[发明专利]一种基于深度特征的P2P流量细粒度识别方法

权利要求书

1.一种基于深度特征的P2P流量细粒度识别方法，其特征在于，包括训练过程和识别过程；所述训练过程包括：

收集和处理数据集，标记并训练不同应用类别的P2P流量数据；

提取深度特征，利用深度卷积神经网络提取所述P2P流量数据的深度特征；

训练二分类器，利用所述深度特征训练特定应用的支持向量机SVM，识别特定应用的所述P2P流量数据；

构建识别辅助器，所述识别辅助器包括细粒度启发式规则和歧义消除识别器，所述细粒度启发式规则用于对误分类的流量进行校正；

所述识别过程包括：

利用深度卷积神经网络对所述P2P流量数据进行特征提取，得到深度特征；

将训练好的多个二分类器和识别辅助器组合得到细粒度流量识别模型；

利用所述细粒度流量识别模型对所述深度特征进行分类，具体为：

将所述深度特征输入到所述细粒度流量识别模型，所述深度特征通过各个所述二分类器，判断所述二分类器的分类结果是否存在歧义，当不存在歧义时，输出所述分类结果；否则，触发所述识别辅助器进行判断并输出识别结果。

2.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，收集和处理数据集，标记并训练不同应用类别的P2P流量数据，包括：把所述P2P流量数据划分为训练集和测试集。

3.根据权利要求2所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，收集和处理数据集，标记并训练不同应用类别的P2P流量数据，还包括：对所述训练集和所述测试集进行训练和测试。

4.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，提取深度特征，利用深度卷积神经网络提取所述P2P流量数据的深度特征之前包括：将所述P2P流量数据转化为图片格式。

5.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，训练二分类器，利用所述深度特征训练特定应用的支持向量机SVM，识别特定应用的所述P2P流量数据包括：按不同的应用类别标记所述深度特征。

6.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，将训练好的多个二分类器和识别辅助器组合得到细粒度流量识别模型包括：将所述多个二分类识别器并列设置。

7.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，利用所述识别模型对所述深度特征进行分类包括：利用细粒度启发式规则，对误分类的所述P2P流量数据进行校正。

8.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，利用所述识别模型对所述深度特征进行分类还包括：所述深度特征利用所述多个二分类器中的每个二分类器进行分类。

9.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，利用所述识别模型对所述深度特征进行分类具体还包括：当所述多个二分类器中有两个或两个以上二分类器的输出结果相同时，表明分类结果产生歧义。

10.根据权利要求1所述的基于深度特征的P2P流量细粒度识别方法，其特征在于，利用所述识别模型对所述深度特征进行分类具体还包括：当所述分类结果产生歧义时，触发所述识别辅助器。