公开(公告)号：CN113556328A

公开(公告)日：2021-10-26

申请号：CN202110736516.2

申请日：2021-06-30

Applicant: 杭州电子科技大学

Inventor： 付兴兵 ,  余志鹏 ,  陈媛芳 ,  林菲

IPC: H04L29/06 ,  H04L12/851 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了基于深度学习的加密流量分类方法，涉及到流量分类和深度学习领域。本发明旨在研究加密流量与流量的时空序列间潜在的关系，设计了GRU、LSTM、BiGRU、和BiLSTM四类对时序分类效果较好的RNN模型来对加密流量进行分类。为了进一步提升实验结论的可靠性，设计了一个CNN模型用于对比。经过多个模型对比之后，我们发现四类RNN模型中，除GRU模型性能略差一点外，其余三项RNN模型分类效果相差无几；CNN模型在本次实验中的各项性能表现都非常不错，并且运行时间是五个模型中最短的一个。

公开(公告)号：CN113556328B

公开(公告)日：2022-09-30

申请号：CN202110736516.2

申请日：2021-06-30

Applicant: 杭州电子科技大学

Inventor： 付兴兵 ,  余志鹏 ,  陈媛芳 ,  林菲

IPC: H04L9/40 ,  H04L47/2441 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了基于深度学习的加密流量分类方法，涉及到流量分类和深度学习领域。本发明旨在研究加密流量与流量的时空序列间潜在的关系，设计了GRU、LSTM、BiGRU、和BiLSTM四类对时序分类效果较好的RNN模型来对加密流量进行分类。为了进一步提升实验结论的可靠性，设计了一个CNN模型用于对比。经过多个模型对比之后，四类RNN模型中，除GRU模型性能略差一点外，其余三项RNN模型分类效果相差无几；CNN模型在本次实验中的各项性能表现都非常不错，并且运行时间是五个模型中最短的一个。