基于改進(jìn)的CNN-Transformer加密流量分類方法

摘要： 針對傳統(tǒng)加密流量分類模型對特征提取不足導(dǎo)致分類準(zhǔn)確率較低等問題，使用深度學(xué)習(xí)技術(shù)，提出一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)合Transformer的加密流量分類模型.為提高分類精度，首先將數(shù)據(jù)集切割填充并完成標(biāo)準(zhǔn)化處理；然后采用Transformer網(wǎng)絡(luò)模型中的多頭注意力機(jī)制捕獲長距離的特征依賴，利用卷積神經(jīng)網(wǎng)絡(luò)提取局部特征；最后加入Inception模塊實現(xiàn)多維特征提取和特征融合，完... （共8頁）