基于時空特征自適應(yīng)融合網(wǎng)絡(luò)的流量分類方法

摘要： 針對當(dāng)前網(wǎng)絡(luò)流量瞬時涌現(xiàn)導(dǎo)致網(wǎng)絡(luò)安全事故驟增、網(wǎng)絡(luò)管理負(fù)擔(dān)加重等問題，基于深度學(xué)習(xí)技術(shù)提出了ResNet和一維Vision Transformer并行的網(wǎng)絡(luò)結(jié)構(gòu)對網(wǎng)絡(luò)流量進(jìn)行識別并分類。其中ResNet可以提取到流量數(shù)據(jù)在空間上深層次的特征，能夠保證流量識別的準(zhǔn)確率；一維Vision Transformer可以提取到更具代表性的時序特征。利用注意力機(jī)制將兩種特征進(jìn)行自適應(yīng)融合得... （共9頁）