公开(公告)号：CN110247930A

公开(公告)日：2019-09-17

申请号：CN201910585325.3

申请日：2019-07-01

Applicant: 北京理工大学

Inventor： 沈蒙 ,  谭曰文 ,  张晋鹏 ,  祝烈煌 ,  陈偲祺

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的加密网络流量识别方法，属于深度学习、网络服务安全以及流量识别技术领域。所述基于深度神经网络的加密网络流量识别方法，包括：步骤1、基于抓取、部署以及提取操作获取离线数据集，生成训练集及测试集；步骤2、搭建深度神经网络模型；步骤3、数据读取、模型训练及参数优化，将离线数据集输入深度神经网络模型中训练及迭代直至准确率达标后即停止训练；步骤4、搭建、部署在线网络流抓取平台，抓取在线数据集；步骤5、在线网络流识别，得到识别结果。所述方法能更好提取流量数据的高维特征；与现有深度神经网络相比具有更好的多分类识别准确率，更低的假阳率和误报率，保证了加密数据流在线识别的高效性。

公开(公告)号：CN110247930B

公开(公告)日：2020-05-12

申请号：CN201910585325.3

申请日：2019-07-01

Applicant: 北京理工大学

Inventor： 沈蒙 ,  谭曰文 ,  张晋鹏 ,  祝烈煌 ,  陈偲祺

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的加密网络流量识别方法，属于深度学习、网络服务安全以及流量识别技术领域。所述基于深度神经网络的加密网络流量识别方法，包括：步骤1、基于抓取、部署以及提取操作获取离线数据集，生成训练集及测试集；步骤2、搭建深度神经网络模型；步骤3、数据读取、模型训练及参数优化，将离线数据集输入深度神经网络模型中训练及迭代直至准确率达标后即停止训练；步骤4、搭建、部署在线网络流抓取平台，抓取在线数据集；步骤5、在线网络流识别，得到识别结果。所述方法能更好提取流量数据的高维特征；与现有深度神经网络相比具有更好的多分类识别准确率，更低的假阳率和误报率，保证了加密数据流在线识别的高效性。