基于AHP-CNN的加密流量分类方法

作     者：游嘉靖 何月顺 何璘琳 钟海龙 YOU Jiajing;HE Yueshun;HE Linlin;ZHONG Hailong

作者机构：东华理工大学信息工程学院江西南昌330013 江西省网络空间安全智能感知重点实验室江西南昌330013 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2024年第4期

页      面：83-87页

学科分类：0839[工学-网络空间安全] 08[工学] 

基　　金：江西省重点研发项目(GJJ2200729) 江西省网络空间安全智能感知重点实验室开放基金资助项目(JKLGIP202206) 

主　　题：深度学习 加密流量分类 卷积神经网络 混合池化 自注意力机制 

摘      要：为了解决现有方法在加密流量特征提取方面不够充分的问题,本文提出一种基于自注意力混合池化卷积神经网络(Attention-based Hybrid Pooling Convolutional Neural Network,AHP-CNN)的加密流量分类方法。该方法对卷积神经网络(Convolutional Neural Network,CNN)的池化层进行改进,以并联形式将平均池化层和最大池化层相结合,形成双层同步池化的模式,从而实现对网络加密流量整体特征和局部特征的捕捉。再将自注意力模块嵌入到模型中,增强模型对于加密流量特征依赖关系的提取,从而更加精准地对加密流量进行分类。实验结果表明,本文所提出的网络模型在识别加密流量的准确率方面有着显著提升,并且F1分数达到了0.94以上。本文为网络加密流量分类提供了一种更为有效且精确的方法,有助于提升网络安全领域的研究与应用能力。