[發(fā)明專利]一種基于多通道卷積神經(jīng)網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量識別方法

有效

• 申請?zhí)枺?/td>: 201911345503.1
• 申請日: 2019-12-24
• 公開（公告）號: CN111200564B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計）人: 張琬茜;齊恒;李克秋;王軍曉
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: H04L47/2483
• 分類號: H04L47/2483;H04L47/22;G06N3/04
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 梅洪玉;劉秋彤

1.一種基于多通道卷積神經(jīng)網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量識別方法，其特征在于，步驟如下：

步驟一、預(yù)處理部分，對流量數(shù)據(jù)按照不同信息段進行劃分：首先統(tǒng)一對數(shù)據(jù)包截取前1300個字節(jié)，當(dāng)不夠1300字節(jié)時，則進行補零操作；然后對1300字節(jié)的數(shù)據(jù)進行劃分，共分成六個部分，前三個部分是數(shù)據(jù)的連接信息，后三個部分通過將數(shù)據(jù)內(nèi)容平均分得到；

步驟二、多通道并行操作：將步驟一中劃分好的六個部分的字節(jié)數(shù)，分別與提前設(shè)定好的閾值比較；當(dāng)比閾值小時，則視為數(shù)據(jù)字段過短，將直接送入多通道卷積神經(jīng)網(wǎng)絡(luò)中的全連接層；當(dāng)比閾值大時，則將其送入多通道卷積神經(jīng)網(wǎng)絡(luò)第一層卷積中，依次進行操作；其中，多通道卷積神經(jīng)網(wǎng)絡(luò)具體結(jié)構(gòu)如下：卷積層—BN層—最大池化層—Dropout層，卷積層—BN層—最大池化層—Dropout層，全連接層—BN層—Dropout層，全連接層—BN層—Dropout層—全連接層；

步驟三、網(wǎng)絡(luò)識別部分：采用一維卷積神經(jīng)網(wǎng)絡(luò)，通過卷積層、最大池化層進行特征提取，結(jié)合激活層進行特征篩選，然后經(jīng)過全連接層進行線性映射，最后通過SoftMax層進行歸一化，并將概率最大的值作為最終預(yù)測的網(wǎng)絡(luò)流量類別；其中，一維卷積神經(jīng)網(wǎng)絡(luò)包括：卷積層—BN層—最大池化層—Dropout層，卷積層—BN層—最大池化層—Dropout層，全連接層—BN層—Dropout層，全連接層—BN層—Dropout層—全連接層。

2.根據(jù)權(quán)利要求1所述的一種基于多通道卷積神經(jīng)網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量識別方法，其特征在于，所述的步驟一中，六個部分具體劃分如下：

(1)0-78字節(jié)：包含源、目的端口信息；

(2)78-86字節(jié)：包含數(shù)據(jù)序號和確認(rèn)序號信息；

(3)86-94字節(jié)：包含偏移、保留、窗口字段和包校驗和信息；

(4)94-496字節(jié)：包含數(shù)據(jù)包內(nèi)容的信息；

(5)496-898字節(jié)：包含數(shù)據(jù)包內(nèi)容的信息；

(6)898-1300字節(jié)：包含數(shù)據(jù)包內(nèi)容的信息。

3.根據(jù)權(quán)利要求1或2所述的一種基于多通道卷積神經(jīng)網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量識別方法，其特征在于，所述的步驟二中，閾值設(shè)定為10。