[发明专利]一种基于多通道卷积神经网络的高效网络流量识别方法

权利要求书

1.一种基于多通道卷积神经网络的高效网络流量识别方法，其特征在于，步骤如下：

步骤一、预处理部分，对流量数据按照不同信息段进行划分：首先统一对数据包截取前1300个字节，当不够1300字节时，则进行补零操作；然后对1300字节的数据进行划分，共分成六个部分，前三个部分是数据的连接信息，后三个部分通过将数据内容平均分得到；

步骤二、多通道并行操作：将步骤一中划分好的六个部分的字节数，分别与提前设定好的阈值比较；当比阈值小时，则视为数据字段过短，将直接送入多通道卷积神经网络中的全连接层；当比阈值大时，则将其送入多通道卷积神经网络第一层卷积中，依次进行操作；其中，多通道卷积神经网络具体结构如下：卷积层—BN层—最大池化层—Dropout层，卷积层—BN层—最大池化层—Dropout层，全连接层—BN层—Dropout层，全连接层—BN层—Dropout层—全连接层；

步骤三、网络识别部分：采用一维卷积神经网络，通过卷积层、最大池化层进行特征提取，结合激活层进行特征筛选，然后经过全连接层进行线性映射，最后通过SoftMax层进行归一化，并将概率最大的值作为最终预测的网络流量类别；其中，一维卷积神经网络包括：卷积层—BN层—最大池化层—Dropout层，卷积层—BN层—最大池化层—Dropout层，全连接层—BN层—Dropout层，全连接层—BN层—Dropout层—全连接层。

2.根据权利要求1所述的一种基于多通道卷积神经网络的高效网络流量识别方法，其特征在于，所述的步骤一中，六个部分具体划分如下：

(1)0-78字节：包含源、目的端口信息；

(2)78-86字节：包含数据序号和确认序号信息；

(3)86-94字节：包含偏移、保留、窗口字段和包校验和信息；

(4)94-496字节：包含数据包内容的信息；

(5)496-898字节：包含数据包内容的信息；

(6)898-1300字节：包含数据包内容的信息。

3.根据权利要求1或2所述的一种基于多通道卷积神经网络的高效网络流量识别方法，其特征在于，所述的步骤二中，阈值设定为10。