[发明专利]一种基于深度特征的P2P流量细粒度识别方法有效
| 申请号： | 201910703860.4 | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110417786B | 公开（公告）日： | 2022-01-11 |
| 发明（设计）人： | 叶武剑;吴荣华;刘怡俊;李学易;翁韶伟 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | H04L9/40 | 分类号： | H04L9/40;H04L67/104;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 郭帅 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度特征的P2P流量细粒度识别方法，包括训练过程和识别过程；训练过程包括收集和处理数据集、提取深度特征、训练二分类器及构建识别辅助器；识别过程具体为：利用深度卷积神经网络对所述P2P流量数据进行特征提取，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，利用细粒度流量识别模型对所述深度特征进行分类。本发明提高了P2P流量数据分类的效率和准确率，可扩展性高。 | ||
| 搜索关键词： | 一种 基于 深度 特征 p2p 流量 细粒度 识别 方法 | ||
【主权项】：
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。
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广东工业大学，未经广东工业大学许可，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/201910703860.4/，转载请声明来源钻瓜专利网。
