[发明专利]一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法

权利要求书

1.一种基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，包括如下步骤：

S10，构建并训练军用通信加密流量识别的大模型；

S20，建立用于加密流量识别的压缩模型；

S30，构建并训练生成加密流量的生成网络；

S40，使用生成的加密流量并结合知识蒸馏方式训练压缩模型，获得训练好的压缩模型；

S50，采用训练好的压缩模型进行军用通信加密流量识别。

2.根据权利要求1所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S10包括如下子步骤：

S11，采集某个基地的军用通信加密流量；

S12，对采集的加密流量进行数据预处理，建立原始加密流量数据集；

S13，构建军用通信加密流量识别的大模型；此大模型是一个具有参数量R的深度神经网络，该深度神经网络是一个包括卷积层和全连接层的卷积神经网络；

S14，使用原始加密流量数据集训练军用通信加密流量识别的大模型，得到训练好的军用通信加密流量识别的大模型。

3.根据权利要求2所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S20包括如下子步骤：

S21，确定裁剪比例F(0＜F＜1)；

S22，基于确定的裁剪比例F对所述大模型进行不同程度地裁剪，得到用于加密流量识别的压缩模型；该压缩模型是一个具有参数量Q的深度神经网络，该深度神经网络是一个包括卷积层和全连接层的卷积神经网络；Q＝(1-F)R＜R。

4.根据权利要求3所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，所述压缩模型的结构如下：

(1)压缩模型的层数L，包括L₁层卷积层和L₂层全连接层，且L₁+L₂＝L；

(2)每层卷积层包含T_m个卷积核，每个卷积核的尺寸为W_m×H_m，其中，m＝1,2…,L₁；

(3)每层全连接层包含V_s(s＝1,2,…,L₂)个神经元；

(4)激活函数为f₂(·)。

5.根据权利要求1所述的基于生成对抗网络与模型压缩的军用通信加密流量识别方法，其特征在于，步骤S30包括如下子步骤：

S31，对生成网络G的权重参数进行随机初始化，设置生成网络G的训练总周期为P₁；

S32，随机产生n个噪声数据，记作{z₁,z₂,…,z_n}；

S33，将n个噪声数据{z₁,z₂,…,z_n}输入到生成网络G，产生n个虚假的加密流量，记作{x₁,x₂,…,x_n}，其中，x_i＝G(z_i)，i＝1,2,…,n；

S34，下载训练好的军用通信加密流量识别的大模型，将该大模型作为判别模型，记作D，将n个虚假的加密流量{x₁,x₂,…,x_n}输入到判别模型D中，产生概率输出其中是一个C维的列向量，C表示加密流量的类别数目；

S35，根据公式(1)，判断每一个虚假的加密流量x_i所属的类别lⁱ，其中，lⁱ∈(1,2,…,C)；

S36，根据公式(2)，计算损失函数loss₁的值，用该值反向更新生成网络G的权重参数，其中，f₁(·)表示交叉熵损失函数；

S37，重复步骤S32～S36的训练过程直到达到生成网络G的训练总周期P₁以后结束，保存生成网络G的结构以及参数，即得到训练好的生成网络G。