基于注意力机制的加密流量识别

随着人们网络安全意识的提高，加密流量呈爆炸式增长，流量加密在保护用户隐私的同时，也为安全检测带来了新的挑战。针对传统基于机器学习的流量识别方法存在需要手动设计分类特征、分类准确率不高等问题，提出一种基于卷积神经网络与自注意力机制(Convolutional Neural Network and Self Attention, CSA)的加密流量分类方法，依据网络流量的层次结构特性，采用卷积神经网络提取数据包内字节流的空间特征、自注意力机制提取数据包之间的时序特征。在公开数据集ISCX VPN-NonVPN上的实验结果表明，CSA模型的分类准确率达到了95.0%,相较基准深度模型，准确率和F1值皆有明显的提升。