[发明专利]高速网络环境下基于深度学习的网络流量识别模型

说明书

本发明公开的属于网络流量分类技术领域，具体为高速网络环境下基于深度学习的网络流量识别模型，其包括：交换机、控制器、流量采集模块、网络流特征提取选择模块、网络流识别模块、深度学习模块、训练样本库和输出模块，所述交换机信号连接有控制器，所述控制器电性连接有流量采集模块，所述流量采集模块信号连接有网络流特征提取选择模块，所述网络流特征提取选择模块电性连接有网络流识别模块，所述网络流识别模块电性连接有深度学习模块和训练样本库。该高速网络环境下基于深度学习的网络流量识别模型，分类效果更好，可以及时有效的划分网络流量，实现细粒度管控，学习能力更强，处理速度更快。

技术领域

本发明涉及网络流量分类技术领域，具体为高速网络环境下基于深度学习的网络流量识别模型。

背景技术

网络流量就是网络上传输的数据量。网络流量的大小对网络架构设计具有重要意义，就像要根据来往车辆的多少和流向来设计道路的宽度和连接方式类似，根据网络流量进行网络的设计是十分必要的。网络流量分类在过去几年一直是互联网中的重要分支部分，实时网络流量分类对应网络运营商优化运营和管理网络有着重要的意义，但是现有的分类方法，往往分类效果不好，分类速度较慢，学习能力不强，处理速度较慢。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有网络流量识别模型中存在的问题，提出了本发明。

因此，本发明的目的是提供高速网络环境下基于深度学习的网络流量识别模型，分类效果更好，可以及时有效的划分网络流量，实现细粒度管控，学习能力更强，处理速度更快。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

高速网络环境下基于深度学习的网络流量识别模型，其包括：交换机、控制器、流量采集模块、网络流特征提取选择模块、网络流识别模块、深度学习模块、训练样本库和输出模块，所述交换机信号连接有控制器，所述控制器电性连接有流量采集模块，所述流量采集模块信号连接有网络流特征提取选择模块，所述网络流特征提取选择模块电性连接有网络流识别模块，所述网络流识别模块电性连接有深度学习模块和训练样本库，所述深度学习模块和训练样本库均电性连接有输出模块。

作为本发明所述的高速网络环境下基于深度学习的网络流量识别模型的优选方案，其中：包括以下步骤：

S1：控制器与交换机建立信息连接，数据包由交换机传输到控制器，Tcpdump收集网络信息,获取Tcp包；

S2：当获取Tcp包时，完成对网络流特征提取和特征选择，当获取的非Tcp包时，控制器再次获取Tcp包；

S3：通过网络流识别模块识别网络流信息，判断是否为识别的网络流信息；

S4：当标记为未识别网络流信息时，将网络流信息处理为深度学习模块可以读取的形式，并将网络流信息导入深度学习模块中，通过深度学习算法进行分类计算，当标记为已识别网络流信息时，统计网络流特征信息，加入训练样本库，并更新训练样本库，通过输出模块输出分类识别的结果。

作为本发明所述的高速网络环境下基于深度学习的网络流量识别模型的优选方案，其中：所述步骤S2中通过支持向量机进行对网络流进行分类，且支持向量机的优化模型如下：

作为本发明所述的高速网络环境下基于深度学习的网络流量识别模型的优选方案，其中：所述步骤S4中分类的精准度、查准度和召回率公式分别为；