[发明专利]一种深度学习的网络流量分类方法在审
| 申请号： | 201610388592.8 | 申请日： | 2016-06-02 |
| 公开（公告）号： | CN107465643A | 公开（公告）日： | 2017-12-12 |
| 发明（设计）人： | 徐杰;陈训逊;王博;崔佳;王东安;包秀国 | 申请（专利权）人： | 国家计算机网络与信息安全管理中心 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06F17/30;G06K9/62 |
| 代理公司： | 北京华仲龙腾专利代理事务所(普通合伙)11548 | 代理人： | 黄玉珏 |
| 地址： | 100029*** | 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： | |||
| 搜索关键词： | 一种 深度 学习 网络流量 分类 方法 | ||
【权利要求书】：
1.一种基于深度学习的网络流量分类方法，其特征在于，包括如下步骤：
(1)网络流量样本数据的获取；
采用Libpcap库对网络流量进行捕获；
(2)网络流量属性的确定，包括
a.网络流量中客户端端口号统计分析；
b.网络流量中数据包平均到达时间统计分析；
c.网络流量中包含数据包个数统计分析；
(3)网络流量样本标记；
采用一种基于端口号及特征字匹配的网络流量样本标记算法,该算法先利用IANA的知名端口库判断训练样本中流量的端口号是否为知名端口,再利用特征字匹配技术将非知名端口的流量样本进行深度解析匹配,对未知流样本进行标记；
(4)连续数据的离散化；
利用基于粗糙集的方法对网络流量样本中连续的数据进行离散化；
(5)样本的训练；
采用深度学习中的受限玻尔兹曼机，在原始输入特征中抽取低维高度可区分的低维特征作为训练模型的输入，对样本进行训练，使用支持向量机作为回归模型。
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国家计算机网络与信息安全管理中心，未经国家计算机网络与信息安全管理中心许可，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/pat/books/201610388592.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：灯槽预制件(LQ7)
- 下一篇：石英智能手表（S‑69）
