一种鲁棒性增强的机载网络流量分类方法

发布时间：2021-04-21 22:00

　　针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取,限制了基于深度学习的流量分类方法的应用问题,提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合,基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练,在线上分类阶段,通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取,并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明,所提方法可以有效抑制数据包缺失对分类准确性能的恶化。 

【文章来源】：北京航空航天大学学报. 2020,46(07)北大核心EICSCD

【文章页数】：10 页

【文章目录】：
1 数据集与数据预处理
    1.1 数据集构造
    1.2 数据预处理方法
    1.3 缺失样本的处理
2 鲁棒性增强的长时递归卷积神经网络
    2.1 整体模型构建
    2.2 数据流负载空间特征提取
    2.3 数据流时序特征提取
        2.3.1 LSTM单元结构
        2.3.2 惩罚机制
3 仿真结果与分析
    3.1 实验环境配置及评价指标
    3.2 基于数据流时序特征的流量分类性能分析
    3.3 机载网络环境下流量分类准确性能对比分析
4 结 论


【参考文献】：
期刊论文
[1]航空集群构型控制及其演化方法[J]. 梁晓龙,何吕龙,张佳强,柏鹏.  中国科学:技术科学. 2019(03)
[2]基于深度卷积神经网络的网络流量分类方法[J]. 王勇,周慧怡,俸皓,叶苗,柯文龙.  通信学报. 2018(01)
[3]基于卷积神经网络的网络流量识别技术研究[J]. 李勤,师维,孙界平,董超,曲天舒.  四川大学学报(自然科学版). 2017(05)
[4]基于RNN的空气污染时空预报模型研究[J]. 范竣翔,李琦,朱亚杰,侯俊雄,冯逍.  测绘科学. 2017(07)
[5]机载网络体系结构及其协议栈研究进展[J]. 梁一鑫,程光,郭晓军,周爱平.  软件学报. 2016(01)
[6]基于有效载荷大小的早期网络流量识别(英文)[J]. 吴同,韩臻,王伟,彭立志.  Journal of Southeast University（English Edition）. 2014(03)



本文编号：3152562