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：内蒙古工业大学

摘要：本发明涉及加密流量识别技术领域，具体公开了融合一维Inception结构和ET‑BERT模型的加密流量识别方法。本发明通过在对网络流量进行识别时，先将网络流量进行初步筛分，并将筛分流量信息输入到一维Inception结构中进行训练，得到网络流量的局部特征，同时再次将筛分流量信息输入到ET‑BERT模型中进行训练，得到网络流量全局特征信息，再将网络流量的局部特征和网络流量全局特征信息对应的拼接字节特征关系信息输入到融合模型中，得到拼接字节特征融合信，进而通过局部空间特征模型和全局空间特征模型能够快速将网络流量进行分类识别，并通过融合模型能够将局部空间特征模型和全局空间特征模型识别的网络流量进行整合，这样能够快速对整个网络进行分类识别。

主权项：1.融合一维Inception结构和ET-BERT模型的加密流量识别方法，其特征在于，包括：获取网络流量的第一特征信息，所述第一特征信息包括数据包域名服务段信息、地址解析协议信息和动态主机配置协议信息；根据所述第一特征信息对所述网络流量进行筛分，得到筛分流量信息；将所述筛分流量信息通过一维Inception结构进行短字节特征提取，得短字节特征信息，并将所述短字节特征信息输入到局部空间特征模型中，得到网络流量局部特征信息；将所述短字节特征信息通过卷积神经网络提取时序特征；根据所述时序特征获取对应时段网络流量的历史流量特征平均值；根据所述历史流量特征平均值获取每个时段网络流量对应的流量特征标准值；获取所述网络流量对应的当前时段的流量特征值；将所述历史流量特征平均值、当前时段的流量特征值和流量特征标准值输入到局部空间特征模型中，得到网络流量局部特征值，其中，局部空间特征模型的函数为： ；其中，为网络流量局部特征值，为历史流量特征平均值，为流量特征标准值，为当前时段的流量特征值，k为流量特征样本值，E为网络流量特征偏差系数；将所述网络流量局部特征值对应的信息标定为网络流量局部特征信息；将所述筛分流量信息通过ET-BERT模型进行长字节特征提取，得到长字节特征信息，并将所述长字节特征信息输入到全局空间特征模型中，得到网络流量全局特征信息；对流量长序列字节特征设立起始时间窗口；基于掩码对起始时间窗口内的所述长字节特征信息前后流量传输特征进行捕获，得到前后流量传输特征信息；根据所述前后流量传输特征信息获取历史流量传输平均值；根据所述历史流量传输平均值获取流量传输标准值；获取所述网络流量对应的流量传输样本信息，对流量传输样本信息进行提取，得到流量传输样本值；将所述流量传输标准值、流量传输样本值和历史流量传输平均值输入到全局空间特征模型中，得到网络流量全局特征值，其中，全局空间特征模型的函数为： ；其中，为网络流量全局特征值，为流量传输标准值，为流量传输样本值，为历史流量传输平均值；将所述网络流量全局特征值对应的信息标定为网络流量全局特征信息；基于掩码对所述网络流量局部特征信息和所述网络流量全局特征信息中的关系进行捕获，得到关联字节特征关系信息；根据所述关联字节特征关系信息对所述网络流量局部特征信息和所述网络流量全局特征信息中的字节特征进行拼接，得到拼接字节特征关系信息；将拼接字节特征关系信息输入到融合模型中，得到拼接字节特征融合信息，将所述拼接字节特征关系信息定义为加密流量信息。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 融合一维Inception结构和ET-BERT模型的加密流量识别方法、装置、计算机设备及介质