论文部分内容阅读
网络协议和应用的不断变化、网络流量的高速增长,都对流量识别方法提出越来越高的要求.为适应复杂多变的网络环境,提出一种未知流量数据的智能特征提取与实时分类识别算法.该算法通过构建深度学习卷积神经网络实现网络流量特征的自动学习,不仅能够实时识别已知流量,还能进一步对未知流量进行实时分类,并感知新出现的未知流量从而创建新的未知类.通过数据量和特征库的不断积累,达到扩充识别种类(包括已知和未知)、提高系统实时识别能力的目的.实验结果表明,该算法在已知流量和未知流量的实时分类识别上均具有较高的识别准确率.