基于稠密连接卷积网络的加密流量分类方法

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：康健豪, 凌捷

摘要：针对传统方法依靠人工提取特征、现有基于深度学习的方法在多分类上性能不够高等问题,提出一种基于稠密连接卷积网络的加密流量分类方法,利用DenseBlock中各层卷积稠密连接的结构,减轻梯度消失、加强特征传递,以提高分类性能。在公开数据集“ISCX VPN-nonVPN”上进行实验,结果表明该方法对不同种类的加密流量有更好的分类效果,准确率达到98.56%,F1值达到98.55%,相比于基于一维卷积神经网络模型和ResNet模型的方法,准确率分别提升了8.88百分点和6.54百分点,F1值分别提升了8.86百分点和6.64百分点。

关键词：加密流量分类, 卷积神经网络, 稠密连接, 图像分类, 深度学习