基于网络流时空序列的加密流量分类
来源：计算机应用与软件杂志2024年第3期北京时间：
作者：唐博麟, 王晨飞, 江帆, 张虎, 徐李阳, 赵文华, 王蕾, 李晓红
摘要：流量分类问题对于网络资源管理和安全非常重要。然而用户流量经常被加密处理，为流量分类问题带来极大的挑战。为此，提出一种新型的时间序列特征提取方法，用于解决加密应用程序流量分类问题。该方法通过分析数据包的空序列，提取加密网络流量的关键行为特征，并结合自注意力机制的长短时记忆网络来训练并对流量进行分类。为了评估方法的有效性，在公开网络数据集ISCXVPN2016上进行了详细的实验。结果表明，此方法能够显著提高识别加密应用程序流量的准确性和计算效率。
关键词：深度学习, 加密流量识别, 神经网络
