买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军61660部队

摘要：本发明涉及一种基于集成原型网络的加密网络流量分类方法，属于网络安全领域。本发明采用基于集成原型网络的加密网络流量分类的机器学习模型，原型网络将每个流量输入样本映射为嵌入空间中的一个点，通过计算样本与类别原型间的距离来推断类别概率，降低了对标记样本的需求；根据集成学习的思想，将多个原型网络组合成一个性能更加强大的集成分类模型，然后对多个原型网络的预测结果进行加权融合，从而得到更加准确、更加鲁棒的分类预测效果；分类模型可以接收流量统计特征和基于小波的特征作为混合输入，能够为流量分类任务学习到高级的特征表示，解决了传统分类方法过度依赖于收集整个连接统计数据的问题，实现了在有限数据下进行快速学习。

主权项：1.一种基于集成原型网络的加密网络流量分类方法，其特征在于，该方法包括如下步骤：S1、获取原始流量数据S2、数据预处理使用数据预处理技术对原始流量数据进行处理，包括以下几个方面：数据包解析、数据包分组建立连接、时间间隔划分、数据包数量筛选和数据离散化处理，得到处理后的数据集；S3、特征提取S31、上述处理得到的数据集中每个时间间隔T视为一个双向流，计算每个时间间隔流量统计特征，并利用离散小波变换生成基于小波的特征，然后将流量统计特征和基于小波的特征混合作为原始流量特征；S32、在完成上述特征处理工作后，使用主成分分析法PCA提取出主要特征并降低原始流量特征的维度，得到降维后的流量特征向量；S4、流量分类模型使用了原型网络框架与集成学习的思想进行流量分类模型的设计；在原型网络中使用了嵌入函数fθ:RD→RM将降维后的流量特征向量映射到嵌入空间中的嵌入向量，其中D表示特征空间的维度，M代表嵌入空间的维度，θ表示网络所需要学习的权重参数；通过嵌入函数的映射，每个输入样本都被表示为嵌入空间中的一个点；原型网络计算嵌入空间内输入样本与每个类别原型之间的距离，并根据这些距离计算属于对应类别的概率；S5、基于上述原型网络，使用集成学习的思想进行整个分类模型的设计，将多个原型网络模型组合成一个更加强大的集成学习模型，将多个原型网络的预测结果进行加权综合，得到更加准确、更加鲁棒的分类预测效果。

全文数据：

权利要求：

百度查询： 中国人民解放军61660部队 一种基于集成原型网络的加密网络流量分类方法