一种基于深度特征融合的网络流量分类方法

随着网络应用的持续发展，识别特定的流或者应用程序有着重要的作用。由于机器学习方法对特征选择较为苛刻，因而，具有自动特征提取的深度学习算法的优势就突显出来了。但现有深度学习方法大多是对网络流量的原始字节进行处理和分类，而原始字节包含较多的冗余和混淆信息。针对此，提出了一种基于深度特征融合的流量分类方法。该方法对原始的统计特征进行融合，并将融合后的特征转化为灰度图像，应用卷积神经网络对转换后的灰度图像进行分类，达到对加密流量进行分类的目的。在两个真实数据集上进行实验验证，分类准确率达到了92%～99.89%。与文献方法相比，在网络流量粗粒度和细粒度分类上都取得了更好的结果。