一种GRU结合CNN的网络流量分类算法研究

摘要：

循环神经网络(Recurrent Neural Network,RNN)结合卷积神经网络(Convolutional Neural Network,CNN)的混合算法在流量分类问题上的表现往往优于单一深度学习算法.文章基于CICIDS2017的原始流量数据,先进行预处理,再利用CNN模型学习数据流的空间特征,将数据流中所有数据包的CNN输出作为门控循环单元(Gated Recurrent Unit,GRU)的输入,学习网络流的时间特征,最后通过Softmax分类器获得分类结果.经过测试,在此数据集下,提出的双网络结合算法可以在更少的步数内达到数据流量分类的高准确率.

关键词：流量分类、深度学习、门控循环单元(GRU)、卷积神经网络(CNN)

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2024-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：25-28