[发明专利]一种基于特征数据和深度学习的网络流量识别方法及系统

说明书

本发明属于互联网技术领域，提供了一种基于特征数据和深度学习的网络流量识别方法及系统，该方法包括如下步骤：获取待识别网络流量数据；对待识别网络流量数据进行预处理，得到特征数据；根据特征数据和训练好的神经网络模型进行服务类型分类，得到网络流量的服务类型；所述训练好的神经网络模型包括两层，第一层用于判断网络流量数据是否为Tor或VPN网络流量数据，第二层用于对Tor或VPN数据的网络流量数据进行分类；将网络流量的分类结果通过可视化界面展示，对网络流量的未来发展形式进行预测。

技术领域

本发明属于互联网技术领域，尤其涉及一种基于特征数据和深度学习的网络流量识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

由于互联网流量的快速变化和网络技术的快速迭代性，传统的基于规则的方法，如深度包检测、异常端口检测，准确率低。机器学习是一种广泛应用的分类技术，因为它可以从数据集自动学习生成模型。由于网络数据流量大、结构复杂，机器学习的处理能力往往有限，普遍存在误报率高、泛化能力差、实时性差的缺点。因此，如何建立一个能够有效识别各种复杂加密流量的系统是一个迫切需要解决的问题。

现有的网络流量识别方法一方面获取的数据未进行进一步筛选得到具有代表性的特征数据，影响分类的结果，造成网络流量的类型识别错误；另一方面现有的分类模型采用的分类模型，算法复杂度高，识别效率低。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于特征数据和深度学习的网络流量识别方法，其在各类加密流量的识别中通过减少参数，降低计算复杂度的情况下提高了模型的识别效率和识别的准确率，同时通过可以可视化看到流量的实时分类状况和预测未来流量的可能分类结果。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于特征数据和深度学习的网络流量识别方法，包括如下步骤：

获取待识别网络流量数据；

对待识别网络流量数据进行预处理，得到特征数据；

根据特征数据和训练好的神经网络模型进行服务类型分类，得到网络流量的服务类型；所述训练好的神经网络模型包括两层，第一层用于判断网络流量数据是否为Tor或VPN网络流量数据，第二层用于对Tor或VPN数据的网络流量数据进行分类；

将网络流量的分类结果通过可视化界面展示。

本发明的第二个方面提供一种基于特征数据和深度学习的网络流量识别系统，包括：

数据获取模块，被配置为：获取待识别网络流量数据；

数据预处理模块，被配置为：对待识别网络流量数据进行预处理，得到特征数据；

分类识别模块，被配置为：根据特征数据和训练好的神经网络模型进行服务类型分类，得到网络流量的服务类型。所述训练好的神经网络模型包括两层，第一层用于判断网络流量数据是否为Tor或VPN网络流量数据，第二层用于对Tor或VPN数据的网络流量数据进行分类；

可视化模块，被配置为：将网络流量的分类结果通过可视化界面展示。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于特征数据和深度学习的网络流量识别方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于特征数据和深度学习的网络流量识别方法中的步骤。