公开(公告)号：CN118433121B

公开(公告)日：2024-10-29

申请号：CN202410897429.9

申请日：2024-07-05

Applicant: 南京信息工程大学

Inventor： 刘光杰 ,  张忠志 ,  翟江涛

IPC: H04L47/2483 ,  H04L47/193 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于深度学习的网络流量内容类型识别方法和装置，所述方法包括：对采集的网络数据进行预处理，提取每个会话的上行数据包负载，按照固定长度分组为数据块，组批送入深度学习模型；深度学习模型通过卷积神经网络提取数据块的特征，通过全连接层映射到不同的内容类型；根据模型输出结果，获取每个会话的内容类型标签和置信度，输出至后续处理模块。本发明通过对网络数据包进行话单聚合和负载分组，利用端到端的深度学习模型进行内容类型识别，相比传统的基于规则或特征工程的方法，具有识别准确率高、实时性好、扩展性强等优势。本发明能够有效应用于网络安全监测、流量管控、协议分析等领域。

公开(公告)号：CN118433121A

公开(公告)日：2024-08-02

申请号：CN202410897429.9

申请日：2024-07-05

Applicant: 南京信息工程大学

Inventor： 刘光杰 ,  张忠志 ,  翟江涛

IPC: H04L47/2483 ,  H04L47/193 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于深度学习的网络流量内容类型识别方法和装置，所述方法包括：对采集的网络数据进行预处理，提取每个会话的上行数据包负载，按照固定长度分组为数据块，组批送入深度学习模型；深度学习模型通过卷积神经网络提取数据块的特征，通过全连接层映射到不同的内容类型；根据模型输出结果，获取每个会话的内容类型标签和置信度，输出至后续处理模块。本发明通过对网络数据包进行话单聚合和负载分组，利用端到端的深度学习模型进行内容类型识别，相比传统的基于规则或特征工程的方法，具有识别准确率高、实时性好、扩展性强等优势。本发明能够有效应用于网络安全监测、流量管控、协议分析等领域。