基于自注意卷积神经网络的加密流量分类

作     者：张飞 韩斌 张凡 ZHANG Fei;HAN Bin;ZHANG Fan

作者机构：江苏科技大学计算机学院江苏镇江212100 

基　　金：国家自然科学基金资助项目(61702234) 船舶总体性能创新研究开放基金(25422217) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2025年第33卷第6期

页      码：149-154页

摘      要：随着加密通信技术的普及和网络安全意识的增强,使得加密流量的准确分类变得愈发重要。然而,传统的流量分类方法往往在面对加密流量的识别困难和多样化特征时表现不佳。为了解决这一问题,该文提出了一种基于自注意卷积神经网络的加密流量分类方法。该模型结合了卷积神经网络的空间特征提取能力和自注意力机制的全局关注能力,能够有效地识别加密网络流量。与传统的卷积神经网络相比,该文模型在流量分类任务中表现出了良好的性能,并且游戏流量分类的F1值提升6%。

主 题 词：加密流量 流量识别 卷积神经网络 自注意力机制 

学科分类：11[军事学] 0810[工学-土木类] 1105[1105] 08[工学] 081002[081002] 110503[110503] 

D　O　I：10.14022/j.issn1674-6236.2025.06.033

馆 藏 号：203158116...