基于一维卷积神经网络的网络流量分类方法

摘要：

针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法.将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性.设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型.该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题.通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4％,总分类时间节省了71.48％.另外在类精度、召回率以及F1分数方面都有较好的提升.

关键词：一维卷积神经网络、流量分类、数据预处理、参数优化、深度学习

所属期刊栏目：56

分类号：TP393.0(计算技术、计算机技术)

资助基金：国家自然科学基金No.61572269

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：94-99