公开(公告)号：CN115766522B

公开(公告)日：2024-09-20

申请号：CN202211369734.8

申请日：2022-11-03

Applicant: 哈尔滨工程大学

Inventor： 玄世昌 ,  杨武 ,  王巍 ,  苘大鹏 ,  吕继光 ,  向浩伟

IPC: H04L43/0876 ,  H04L43/04 ,  G06F18/2415 ,  G06F18/15 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明涉及的是一种网络流量识别场景，针对目前应用最广泛的移动终端应用和加密网络流量而提出了基于深度学习和注意力机制的面向移动终端加密流量的应用识别方法。现阶段基于深度学习模型，都是使用不同数量CNN和LSTM通过并行或者串行的方式进行流量识别，识别对象为针对加密流量的国外应用数据集，不适用于国内应用环境并且识别效果有待提高。而本发明使用的数据集是针对国内常用应用采集并准确标记的，并且在CNN和LSTM的基础上使用注意力机制进行应用识别，能够有效的进行国内应用的识别，并且识别效果优于单纯的深度学习模型。

公开(公告)号：CN115766522A

公开(公告)日：2023-03-07

申请号：CN202211369734.8

申请日：2022-11-03

Applicant: 哈尔滨工程大学

Inventor： 玄世昌 ,  杨武 ,  王巍 ,  苘大鹏 ,  吕继光 ,  向浩伟

IPC: H04L43/0876 ,  H04L43/04 ,  G06F18/2415 ,  G06F18/15 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明涉及的是一种网络流量识别场景，针对目前应用最广泛的移动终端应用和加密网络流量而提出了基于深度学习和注意力机制的面向移动终端加密流量的应用识别方法。现阶段基于深度学习模型，都是使用不同数量CNN和LSTM通过并行或者串行的方式进行流量识别，识别对象为针对加密流量的国外应用数据集，不适用于国内应用环境并且识别效果有待提高。而本发明使用的数据集是针对国内常用应用采集并准确标记的，并且在CNN和LSTM的基础上使用注意力机制进行应用识别，能够有效的进行国内应用的识别，并且识别效果优于单纯的深度学习模型。