[发明专利]一种基于表征学习的网络流量分类的方法及装置在审
| 申请号： | 201711189690.X | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN108173704A | 公开（公告）日： | 2018-06-15 |
| 发明（设计）人： | 曾学文;王伟;叶晓舟 | 申请（专利权）人： | 中国科学院声学研究所;北京中科智网科技有限公司 |
| 主分类号： | H04L12/26 | 分类号： | H04L12/26;H04L12/851;H04L12/24;H04L29/06;G06K9/62 |
| 代理公司： | 北京亿腾知识产权代理事务所 11309 | 代理人： | 陈霁 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种基于表征学习的网络流量分类的方法及装置，所述方法包括：将获取到的网络流量数据进行预处理；对预处理后的网络流量数据使用表征学习算法进行特征提取，将所述网络流量数据生成网络流向量；根据所述网络流向量对所述网络流量数据进行分类，可实现高效地对网络流量进行分类。 1 | ||
| 搜索关键词： | 网络流量数据 预处理 网络流量分类 特征提取 网络流量 学习算法 分类 网络 学习 | ||
【主权项】：
1.一种基于表征学习的网络流量分类的方法，其特征在于，包括：
将获取到的网络流量数据进行预处理；
对预处理后的网络流量数据使用表征学习算法进行特征提取，将所述网络流量数据生成网络流向量；
根据所述网络流向量对所述网络流量数据进行分类。
2.根据权利要求1所述的方法，其特征在于，所述对预处理后的网络流量数据使用表征学习算法进行特征提取，包括：采用卷积神经网络作为表征学习算法提取网络流量的特征。
3.根据权利要求1所述的方法，其特征在于，所述将获取到的网络流量数据进行预处理，包括：将获取到的网络流量数据进行流量切分以及将切分后的流量数据的长度进行统一；
将经过切分和长度统一处理后的网络流量数据进行编码，生成特定格式的数据。
4.根据权利要求3所述的方法，其特征在于，所述编码形式为以下中的一种：独热编码、像素编码或嵌入编码。5.根据权利要求1所述的方法，其特征在于，所述根据所述网络流向量对所述网络流量数进行分类，包括：采用分类器根据所述网络流向量对所述网络流量数据进行分类。
6.一种基于表征学习的网络流量分类的装置，其特征在于，包括：预处理模块，用于将获取到的网络流量数据进行预处理；
特征提取模块，用于对预处理后的网络流量数据使用表征学习算法进行特征提取，将所述网络流量数据生成网络流向量；
分类模块，用于根据所述网络流向量对所述网络流量数据进行分类。
7.根据权利要求6所述的装置，其特征在于，所述特征提取模块，用于采用卷积神经网络作为表征学习算法提取网络流量的特征。8.根据权利要求6所述的装置，其特征在于，所述预处理模块，用于将获取到的网络流量数据进行流量切分以及将切分后的流量数据的长度进行统一；将经过切分和长度统一处理后的网络流量数据进行编码，生成特定格式的数据。9.根据权利要求8所述的装置，其特征在于，所述编码形式为以下中的一种：独热编码、像素编码或嵌入编码。10.根据权利要求6所述的装置，其特征在于，所述分类模块，用于采用分类器根据所述网络流向量对所述网络流量数据进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院声学研究所;北京中科智网科技有限公司，未经中国科学院声学研究所;北京中科智网科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711189690.X/，转载请声明来源钻瓜专利网。
