[發明專利]網絡流量分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010791283.1
• 申請日: 2020-08-07
• 公開（公告）號: CN112054967A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 關建峰;楊樹杰;劉楊;韓壯;白昊喆;張婉澂
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L12/851
• 分類號: H04L12/851;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李文清

1.一種網絡流量分類方法，其特征在于，包括：

獲取基于損失函數訓練后的目標分類模型；

基于所述目標分類模型，對待分類流量數據進行分類；

其中，所述損失函數基于網絡流量數據中訓練樣本的權重參數確定。

2.根據權利要求1所述的網絡流量分類方法，其特征在于，所述損失函數基于網絡流量數據中訓練樣本的權重參數確定，包括：

在所述損失函數中設置訓練樣本的權重，所述訓練樣本的權重為預設值。

3.根據權利要求1所述的網絡流量分類方法，其特征在于，所述獲取基于損失函數訓練后的目標分類模型之前，包括：

在每一次分類模型訓練過程中，從網絡流量樣本中隨機獲取至少一個流量數據訓練樣本，通過分類模型獲得所述流量數據訓練樣本的分類概率；

基于所述分類概率，通過損失函數訓練所述分類模型，訓練后的分類模型用于下一次分類模型訓練過程中所述分類概率的獲取。

4.根據權利要求3所述的網絡流量分類方法，其特征在于，所述方法還包括：

在每一次分類模型訓練過程結束時，確定分類模型訓練次數小于預設分類模型訓練次數后，開始下一輪的分類模型訓練過程；或

在每一次網絡流量分類模型訓練過程結束時，確定當前分類模型訓練次數等于或大于所述分類模型訓練次數后，確定所述網絡流量分類模型訓練過程中訓練的分類模型為所述目標分類模型。

5.根據權利要求3所述的網絡流量分類方法，其特征在于，所述從網絡流量樣本中隨機獲取至少一個流量數據訓練樣本之前，所述方法還包括：

對網絡流量數據進行標記；

對標記后的網絡流量數據進行預處理，獲得所述網絡流量樣本。

6.根據權利要求3所述的網絡流量分類方法，其特征在于，在第一次的所述分類模型訓練過程之前，所述方法還包括：

構建一個用于網絡流量分類的卷積神經網絡，初始化所述卷積神經網絡的分類模型。

7.根據權利要求1所述的網絡流量分類方法，其特征在于，所述方法還包括：

基于所述目標分類模型，輸入帶標記的網絡流量數據進行測試，以獲得所述目標分類模型的準確率。

8.一種網絡流量分類裝置，其特征在于，包括：

獲取模塊，用于獲取基于損失函數訓練后的目標分類模型；

分類模塊，用于基于所述目標分類模型，對待分類流量數據進行分類；

其中，所述損失函數基于網絡流量數據中訓練樣本的權重參數確定。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述網絡流量分類方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1至7任一項所述網絡流量分類方法的步驟。