公开(公告)号：CN114884894B

公开(公告)日：2023-10-20

申请号：CN202210415447.X

申请日：2022-04-18

Applicant: 南京邮电大学

Inventor： 李涛 ,  周明睿

IPC: H04L47/2441 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明提供了一种基于迁移学习的半监督网络流量分类方法，包括步骤1：提取网络流量数据的统计特征并使用皮尔森相关系数进行筛选；步骤2：将统计特征输入预训练模型并保存预训练模型学习到的参数；步骤3：将预训练模型迁移到具有更多线性层的重新训练模型中，并对重新训练模型重新训练得到分类器，用于分类网络流量。本发明通过提取网络流量数据的统计特征并使用皮尔森相关系数进行筛选，并用预训练模型进行训练后保存参数，最后用重新训练模型重新训练，解决了现有网络流量分类方法分类收集和标记大量数据集困难，过时数据集容易浪费且样本发生概念偏移时模型分类准确率下降的问题。

公开(公告)号：CN114884894A

公开(公告)日：2022-08-09

申请号：CN202210415447.X

申请日：2022-04-18

Applicant: 南京邮电大学

Inventor： 李涛 ,  周明睿

IPC: H04L47/2441 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于迁移学习的半监督网络流量分类方法，包括步骤1：提取网络流量数据的统计特征并使用皮尔森相关系数进行筛选；步骤2：将统计特征输入预训练模型并保存预训练模型学习到的参数；步骤3：将预训练模型迁移到具有更多线性层的重新训练模型中，并对重新训练模型重新训练得到分类器，用于分类网络流量。本发明通过提取网络流量数据的统计特征并使用皮尔森相关系数进行筛选，并用预训练模型进行训练后保存参数，最后用重新训练模型重新训练，解决了现有网络流量分类方法分类收集和标记大量数据集困难，过时数据集容易浪费且样本发生概念偏移时模型分类准确率下降的问题。