基于深度学习的流量分类系统
发布时间：2021-06-23 23:26
随着互联网的飞速发展,网络流量的数量和种类都呈现爆发式增长。因此,对网络流量的准确分类已经成为网络管理中不可或缺的部分,而且其对网络的智能化运维和管理、网络质量服务保障和网络安全等都有很大帮助。而且随着用户隐私、数据加密等需求的不断增加,越来越多的加密流量涌现出来,由于加密算法、加密方式的多样性,给网络流量分类带来了巨大的困难,传统的流量分类方法已无法满足对分类准确性的需求,加密流量分类已经成为运营商和服务商所面临的巨大问题。深度学习在分类、检测等任务上具有非常大的优势,因此本文提出将深度学习方法融合到加密网络流量分类中。本文的主要工作如下:（1）本文提出一种适用于深度学习模型的网络数据流表示方法,按照“数据流-数据包-字节”的层级结构把每个数据流表示为一个N*M维的矩阵,将其作为模型输入;（2）本文提出两种深度学习模型,分别是基于注意力机制的双向长短期记忆网络（Attention Based Bidirectional Long Short-Term Memory Networks,ABBiLSTM）和基于分层注意力机制的双向长短期记忆网络（Hierarchical Attentio...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２－１?ＴＣＰ／ＩＰ数据包封装结构??由于传统数据包检测主要通过端口号识别应用协议，对Ｐ２Ｐ等新出现的应??用类型无法达到很好的检测效果，而且越来越多的新应用不再严格遵守端口号进??
??图３－１人工神经网络中神经元的结构??如上图所示，每个神经元会包含多个输入Ａ、Ｘ２、．．．、Ｘ？，其向量表示为无，??所有输入会经过神经元参数Ｆ的加权求和，接下来使用非线性激活函数ａ（．）对其??进行映射和转换，激活函数可以为ｔｏｎ／？或者等函数，所以神经??元的计算公式／Ｖｂ〇〇?＝?为。??有了单个神经元之后，多层全连接神经网络ＭＬＰ就很简单了，就是每层都??使用多个神经元，然后堆叠多层即可。下面以只包含输入层、隐藏层、输出层的??三层ＭＬＰ为例进行介绍。三层ＭＬＰ的结构图如图３－２所示??＠＾＠＾０??？Ａｚ／??图３－２三层全连接神经网络结构图??如上图所示，神经网络的输入每一维度对应一个神经元，然后输入隐藏层，??经过隐藏层的权重转换和激活函数映射之后变成中间的隐藏层向量，接下来隐藏??层向量投影到最终的输出层得到最终的输出向量／ＶｂＯ：）。然后通过特定的目标??函数计算损失就可以通过反向传播的方式进行梯度计算和参数更新
有了单个神经元之后，多层全连接神经网络ＭＬＰ就很简单了，就是每层都??使用多个神经元，然后堆叠多层即可。下面以只包含输入层、隐藏层、输出层的??三层ＭＬＰ为例进行介绍。三层ＭＬＰ的结构图如图３－２所示??＠＾＠＾０??？Ａｚ／??图３－２三层全连接神经网络结构图??如上图所示，神经网络的输入每一维度对应一个神经元，然后输入隐藏层，??经过隐藏层的权重转换和激活函数映射之后变成中间的隐藏层向量，接下来隐藏??层向量投影到最终的输出层得到最终的输出向量／ＶｂＯ：）。然后通过特定的目标??函数计算损失就可以通过反向传播的方式进行梯度计算和参数更新，完成对模型??参数的训练和迭代。??３．３卷积神经网络??３．３．１卷积神经网络原理??卷积神经网络是一种深层次前向传播的监督学习方法。目前被广泛应用于计??算机视觉相关领域，主要是由于其可以自动学习到图片中的特征，如从底层到高??层分别学习图片中的像素点、边缘、部件、物体等各层次特征，这样就避免了人??１４??
本文编号：3245866
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２－１?ＴＣＰ／ＩＰ数据包封装结构??由于传统数据包检测主要通过端口号识别应用协议，对Ｐ２Ｐ等新出现的应??用类型无法达到很好的检测效果，而且越来越多的新应用不再严格遵守端口号进??
??图３－１人工神经网络中神经元的结构??如上图所示，每个神经元会包含多个输入Ａ、Ｘ２、．．．、Ｘ？，其向量表示为无，??所有输入会经过神经元参数Ｆ的加权求和，接下来使用非线性激活函数ａ（．）对其??进行映射和转换，激活函数可以为ｔｏｎ／？或者等函数，所以神经??元的计算公式／Ｖｂ〇〇?＝?为。??有了单个神经元之后，多层全连接神经网络ＭＬＰ就很简单了，就是每层都??使用多个神经元，然后堆叠多层即可。下面以只包含输入层、隐藏层、输出层的??三层ＭＬＰ为例进行介绍。三层ＭＬＰ的结构图如图３－２所示??＠＾＠＾０??？Ａｚ／??图３－２三层全连接神经网络结构图??如上图所示，神经网络的输入每一维度对应一个神经元，然后输入隐藏层，??经过隐藏层的权重转换和激活函数映射之后变成中间的隐藏层向量，接下来隐藏??层向量投影到最终的输出层得到最终的输出向量／ＶｂＯ：）。然后通过特定的目标??函数计算损失就可以通过反向传播的方式进行梯度计算和参数更新
有了单个神经元之后，多层全连接神经网络ＭＬＰ就很简单了，就是每层都??使用多个神经元，然后堆叠多层即可。下面以只包含输入层、隐藏层、输出层的??三层ＭＬＰ为例进行介绍。三层ＭＬＰ的结构图如图３－２所示??＠＾＠＾０??？Ａｚ／??图３－２三层全连接神经网络结构图??如上图所示，神经网络的输入每一维度对应一个神经元，然后输入隐藏层，??经过隐藏层的权重转换和激活函数映射之后变成中间的隐藏层向量，接下来隐藏??层向量投影到最终的输出层得到最终的输出向量／ＶｂＯ：）。然后通过特定的目标??函数计算损失就可以通过反向传播的方式进行梯度计算和参数更新，完成对模型??参数的训练和迭代。??３．３卷积神经网络??３．３．１卷积神经网络原理??卷积神经网络是一种深层次前向传播的监督学习方法。目前被广泛应用于计??算机视觉相关领域，主要是由于其可以自动学习到图片中的特征，如从底层到高??层分别学习图片中的像素点、边缘、部件、物体等各层次特征，这样就避免了人??１４??
本文编号：3245866
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3245866.html
