基于稠密连接卷积网络的加密流量分类方法OA北大核心CSTPCD
针对传统方法依靠人工提取特征、现有基于深度学习的方法在多分类上性能不够高等问题,提出一种基于稠密连接卷积网络的加密流量分类方法,利用DenseBlock中各层卷积稠密连接的结构,减轻梯度消失、加强特征传递,以提高分类性能。在公开数据集“ISCX VPN-nonVPN”上进行实验,结果表明该方法对不同种类的加密流量有更好的分类效果,准确率达到98.56%,F1值达到98.55%,相比于基于一维卷积神经网络模型和ResNet模型的方法,准确率分别提升…查看全部>>
康健豪;凌捷
广东工业大学计算机学院,广东广州510000广东工业大学计算机学院,广东广州510000
计算机与自动化
加密流量分类卷积神经网络稠密连接图像分类深度学习
《计算机应用与软件》 2024 (9)
P.363-369,7
广东省重点领域研发计划项目(2019B010139002)广州市重点领域研发计划项目(202007010004)。
评论