一种面向类不平衡加密流量的端到端分类模型

来源：电子测量技术杂志2021年第20期北京时间：

作者：林鹏，翟江涛，许历隆，崔永富

单位：南京信息工程大学 电子信息工程学院 江苏省南京市 210044

摘要：当前流量分类方法在面对类不平衡流量时，往往存在着在少数类上的分类效果不佳的问题。针对该问题，提出了一种面向类不平衡加密流量的端到端分类模型。所提模型在传统卷积神经网络模型的基础上添加了一个Inception模块进行特征融合，让模型能提取到更丰富的特征，弥补了少数类因样本数量少所带来的特征学习上的不足；同时引入一个通道-空间域注意力模块，对Inception模块所融合的特征根据重要程度赋予相应的权值，使模型更多地关注到更重要的特征，增强流量特征的表征能力。与此同时，为减少网络参数，采用卷积层加全局平均池化层的组合代替模型中的全连接层。实验结果表明，相较于当前典型流量分类模型，所提模型在数据集少数类上具有更优的分类性能，精确率、召回率和F1-Score均有显著提高，其中综合性能指标F1-Score在某些少数类上的提升达到了15%~18%。

关键词：计算机神经网络;类不平衡;端到端;卷积神经网络;特征融合;注意力模块

基金资助：国家自然科学基金项目（U1836104, 61772281, 61801073, 61931004, 62072250）、南京信息工程大学人才启动基金项目（2020r061）资助