基于EfficientViT的加密流量实时分类方法

来源：计算机工程与应用杂志2025年第18期北京时间：

作者：姚利峰, 蔡满春, 朱懿, 陈咏豪, 张溢文

单位：中国人民公安大学 信息网络安全学院，北京 100038

摘要：随着网络技术的快速发展，实时高效地分类加密流量已成为网络管理和安全监测的关键需求。现有自监督预训练方法面临模型规模庞大、计算复杂度高、推理速度慢以及对大量训练数据的依赖等限制，难以满足边缘设备对实时性和高效性的要求。针对这一问题，提出了一种基于轻量化视觉Transformer的加密流量实时分类新方法——AgileViT。通过采用EfficientViT框架，优化模型架构和计算流程，显著降低了模型的规模和内存需求；通过设计级联分组代理注意力机制，有效减少了模型的计算复杂度，大幅提高了模型的推理效率，同时保持了高表达能力；提出并行轻量化残差块，应用归纳偏置，增强了对加密流量局部特征的学习能力，提高了模型在有限训练数据情况下的适应性和分类准确性。实验结果表明，所提的AgileViT方法在商业级数据集AppClassNet上，以仅1.179×107可训练参数的条件下，实现了85.38%的分类准确率和每样本149.45?μs的推理速度，与现有的先进轻量化方法相比，在推理效率和分类性能上均显示出显著优势，有效解决了边缘设备上加密流量实时分类的核心挑战。

关键词：加密流量分类,EfficientViT,自注意力机制,轻量化网络,实时性能优化