基于多特征序列的匿名网络流量分类方法及系统
知识产权简介
本发明提供了一种基于多特征序列的匿名网络流量分类方法。首先，采集网络流量文件，并通过数据集切割、数据流特征提取、数据归一化、特征选择等方式完成数据预处理；然后，通过主成分分析法对提取到的特征进行重要性排序，获取流量序列中最重要的若干连续性特征对应的特征序列，并通过离散傅里叶变换转化为频域特征向量；接着，通过基于Transformer 框架的频域特征提取网络将频域特征向量转化为中间特征向量 a，并将流序列其他特征通过基于深度神经网络（Deep Neural Networks，DNN）的其他特征提取网络转化为中间特征向量 b；最后，拼接两个中间特征向量，通过分类网络后，得到不同类别的概率分布，完成匿名流量分类工作。总体上，该发明能够抽出匿名通信流序列中重要的连续性特征，并挖掘其频域上的隐含信息，充分发挥 Transformer 框架对于连续的数据的序列特征捕获能力，同时对于其他重要性较低的特征，使用 DNN 进行嵌入，使得该方法能够在一定程度降低计算量的条件下，对匿名网络流量进行分类，提升了匿名网络流量分类的可行性。
转化前景
转换成可以大规模推广使用的商业软件