[發明專利]一種網絡流量分類方法、系統、設備及可讀存儲介質在審
| 申請號： | 202211715444.4 | 申請日： | 2022-12-29 |
| 公開（公告）號： | CN116319582A | 公開（公告）日： | 2023-06-23 |
| 發明（設計）人： | 馬小博;瞿建;劉宏桃 | 申請（專利權）人： | 西安交通大學 |
| 主分類號： | H04L47/2441 | 分類號： | H04L47/2441;H04L47/2483 |
| 代理公司： | 西安通大專利代理有限責任公司 61200 | 代理人： | 朱海臨 |
| 地址： | 710049 陜*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 網絡流量 分類 方法 系統 設備 可讀 存儲 介質 | ||
1.一種網絡流量分類方法，其特征在于，包括以下步驟：
S1，將每個數據包轉化為一個固定維度的數據包向量；
S2：將每條流所包含的數據包向量序列轉化為一個固定維度的流向量；
S3：將每個流量樣本所包含的多個流向量轉化為一個樣本向量；
S4：利用多層全連接神經網絡對樣本的特征向量采用Softmax函數進行歸一化處理，得到計算樣本的分類概率。
2.根據權利要求1所述的一種網絡流量分類方法，其特征在于，將獲取的每個數據包轉化為一個固定維度的數據包向量，輸入流量樣本輸出處理后的流量樣本，記為
3.根據權利要求1所述的一種網絡流量分類方法，其特征在于，將每個數據包按照該數據包的大小和時間進行編碼，作為數據包向量；或者，將數據包的每個字節作為一個特征維度進行編碼，進而生成數據包向量。
4.根據權利要求3所述的一種網絡流量分類方法，其特征在于，若數據包大小不足，則使用零向量在尾部進行數據填充，使得每個數據包向量維度相同。
5.根據權利要求1所述的一種網絡流量分類方法，其特征在于，利用數據包到流的映射神經網絡模塊將每條流的數據包向量轉為該流的特征向量，數據包到流的映射神經網絡模塊記為F1(·)；F1(·)輸入一個X(0)中的流f′i,i∈[0,n)，輸出一個代表了該流的特征向量fi(1)；對X(0)中所有的流均進行F1(·)運算后，數據包到流的映射神經網絡模塊最終輸出為X(1)，X(1)＝[f1(1),f2(1),…,fn(1)]。
6.根據權利要求1所述的一種網絡流量分類方法，其特征在于，利用流到流量樣本的映射神經網絡模塊將每個樣本的多個流的特征向量轉為該樣本的特征向量。
7.根據權利要求1所述的一種網絡流量分類方法，其特征在于，將流量樣本的特征向量z輸入一個多層的全連接神經網絡，該全連接神經網絡記為F3(·)，對該神經網絡的輸出F3(z)利用Softmax函數進行歸一化，結果記為Softmax(F3(z))，代表了流量屬于每一類型的概率。
8.一種網絡流量分類系統，其特征在于，包括：
數據包向量化模塊，用于將每個數據包轉化為一個固定維度的數據包向量；
數據包到流的映射模塊，用于將每條流所包含的數據包向量序列轉化為一個固定維度的流向量；
流到流量樣本的映射模塊，用于將每個流量樣本所包含的多個流向量轉化為一個樣本向量；
流量樣本到標簽的分類模塊，利用多層全連接神經網絡對樣本的特征向量采用Softmax函數進行歸一化處理，得到計算樣本的分類概率。
9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述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計算機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。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述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。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安交通大學，未經西安交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211715444.4/1.html，轉載請聲明來源鉆瓜專利網。
