基于自注意力机制的无边界应用动作识别方法

摘要：

近年来,工业互联网获得了飞速的发展.但是和传统互联网一样,工业互联网也面临着大量的网络攻击威胁和敏感信息泄露风险.而流量识别技术,特别是细粒度的应用动作识别技术,可以辅助网络管理者对异常行为进行检测和及早发现隐私泄露风险,保障工业互联网的安全.然而,现有动作识别技术依赖对流量数据中动作边界的预先分割,无法识别无边界的动作,难以应用于实际场景.为解决这一问题,提出一种无边界动作识别算法:首先构建基于自注意力机制的包级识别模型,对数据包进行动作分类;然后提出动作聚合算法,从数据包的分类结果中聚合出动作序列;最后,建立2种新指标来衡量识别结果的好坏.为验证算法的可行性,以微信为实例进行实验,结果表明该模型能够取得最高超过90％的序列识别精度.这一研究成果将有望极大推动应用动作识别技术的实用化.

关键词：工业互联网、流量分类、动作识别、深度学习、自注意力

所属期刊栏目：59

分类号：TP393.08(计算技术、计算机技术)

资助基金：媒体融合内容感知与安全湖南省重点实验室项目;国家自然科学基金;湖南省科技创新计划

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1092-1104