专利交易市场

本发明公开了一种基于跨模态特征融合的多任务加密网络流量分类方法，包括：获取待识别的原始流量；预处理原始流量，并获得其格式化样本；将格式化样本输入至训练完成后的基于特征融合技术的多模态多任务深度神经网络，得到对于每个任务对应的预测向量；取其中最大的值对应的分类作为加密流量在该任务上最终的分类标签。本发明能实现对流量特征的自动提取、融合，并根据融合后的结果做出多任务预测；具有通用性；实现包级别和流级别统计特征和有效载荷的融合；通过双路特征提取模块抽取每个数据包的有效载荷低阶的时序特征和全局统计特征，并用全局统计特征指导对有效载荷时序特征的进一步提取；改善了特征提取的效果，具有更好的分类效果。

本发明公开了一种基于双向门控逻辑单元的分布式应用程序加密流量分类方法，包括以下步骤：1)采集并标注分布式应用程序原始流量负载数据；2)基于分布式应用程序原始流量负载数据，生成预处理后的流量序列；3)利用流量序列训练基于双向门控逻辑单元的神经网络模型；4)用新采集并生成的流量序列验证训练好的双向门控逻辑单元神经网络模型，精度足够后将模型作为流量分类器部署于真实网络节点；5)对真实网络环境中的分布式应用程序流量进行解析分类并标注。6)定期评估与更新模型。本发明构建的模型利用了分布式应用程序流量数据的时间、方向、长度特性，提高了分布式应用程序流量分类的准确率，且减少分类器占用的资源。