一种基于ResNet的网络流量识别方法

作者：代志康; 吴秋新^*; 程希明

来源：北京信息科技大学学报(自然科学版), 2020, 35(01): 82-88.

DOI：10.16508/j.cnki.11-5866/n.2020.01.016

• 流量识别
• ResNet模型
• 卷积神经网络

针对传统的流量识别技术过于依赖个人的特征选择,无法同时满足实时性和准确性要求的问题,提出了一种基于残差神经网络(residual neural network,ResNet)模型的流量识别方法。根据网络流量数据和图像数据的相似性,对原始数据进行预处理,把一维的网络流量数据转换成二维的灰度图片,统一数据的输入格式;调整模型的超参数、训练模型的参数,筛选出最优的分类模型,实现对网络流量的识别。实验结果表明:该流量识别方法的准确率达到97. 03%,F1-weighted值达到96. 54%,具有较高的识别率。通过与其他算法的结果对比,表明该方法的收敛速度快,识别准确率高,而且能够有效处理非均衡网络流量数据的识别问题。

• 单位
  北京信息科技大学