一种基于集成学习的VPN加密流量识别方法

    公开(公告)号:CN115174170B

    公开(公告)日:2023-05-09

    申请号:CN202210717842.3

    申请日:2022-06-23

    Abstract: 本发明是一种基于集成学习的VPN加密流量识别方法,其特点是,包括:针对VPN加密流量数据特征冗余问题,采用基于最大相关最小冗余的VPN加密流量特征选择方法;针对VPN加密流量数据存在的类别不平衡问题,构建VPN加密流量FL‑XGB识别模型,采用Focal Loss函数对Xgboost集成学习模型进行改进,平衡难易样本的比例不均;为了进一步提高模型对VPN加密流量的识别性能,提出VPN加密流量识别模型优化方法,对VPN加密流量FL‑XGB识别模型进行改进。该方法科学合理,准确性较高,可适用于VPN加密流量的识别问题,对维护网络安全具有一定实用意义。

    一种基于集成学习的VPN加密流量识别方法

    公开(公告)号:CN115174170A

    公开(公告)日:2022-10-11

    申请号:CN202210717842.3

    申请日:2022-06-23

    Abstract: 本发明是一种基于集成学习的VPN加密流量识别方法,其特点是,包括:针对VPN加密流量数据特征冗余问题,采用基于最大相关最小冗余的VPN加密流量特征选择方法;针对VPN加密流量数据存在的类别不平衡问题,构建VPN加密流量FL‑XGB识别模型,采用Focal Loss函数对Xgboost集成学习模型进行改进,平衡难易样本的比例不均;为了进一步提高模型对VPN加密流量的识别性能,提出VPN加密流量识别模型优化方法,对VPN加密流量FL‑XGB识别模型进行改进。该方法科学合理,准确性较高,可适用于VPN加密流量的识别问题,对维护网络安全具有一定实用意义。

Patent Agency Ranking