[发明专利]一种基于网络流行为的内容感知方法

摘要

本发明提供一种基于网络流行为的内容感知方法，它包括以下步骤：在外部网络环境采集网络流量并提取观测特征作为训练样本；利用训练样本对模型进行训练；将未知类型的网络流输入模型识别其内容；利用识别的网络流数据和历史模型参数进行增量学习，更新模型参数，保证模型分类的连续性。本发明利用了隐马尔可夫模型的动态建模能力和深度神经网络强大的非线性表示能力，实验结果表明了本方法的可行性，以及对比现有技术方案的性能优势。

主权项

1.一种基于网络流行为的内容感知方法，其特征在于，包括模型训练阶段、内容识别阶段以及模型更新阶段；其中模型训练阶段：从外部网络采集网络流数据，并提取观测特征得到训练样本，然后使用DNN‑HMM模型对网络流行为建模，再利用训练样本对模型进行训练得到模型参数；内容识别阶段：将采集的待检测的实时网络流输入到训练后的DNN‑HMM模型，模型输出该网络流的内容类别；模型更新阶段：把识别的网络流数据反馈回DNN‑HMM模型，对模型的参数进行更新得到新的DNN‑HMM模型。