一种基于非因果时间卷积神经网络的加密流量分类方法

摘要

本发明公开一种基于非因果时间卷积神经网络的加密流量分类方法，包括以下步骤：对网络流量进行预处理，形成以会话为单位切分的流量数据；构建基于非因果时间卷积神经网络的分类模型：所述基于非因果时间卷积神经网络的分类模型包括若干个非因果卷积残差块、全连接层和用于输出分类结果的Softmax分类器层；所述非因果卷积残差块由两层空洞卷积构成；在每个空洞卷积层后连接权重归一化层和激活层，并使用ReLU函数作为激活函数；在跨越连接中，使用1*1卷积；最后，将若干残差块堆叠组合后连接全连接层和分类层。本发明扩大了卷积核的作用域和特征点的感受野，可确保全局信息不被遗漏，能够显著提升分类效果。