基于多层双向SRU与注意力模型的加密流量分类方法

作者：张稣荣; 卜佑军; 陈博; 孙重鑫; 王涵; 胡先君

来源：计算机工程, 2022, 48(11): 127-136.

DOI：10.19678/j.issn.1000-3428.0063626

• 加密流量分类
• 加密恶意流量检测
• 简单循环单元
• 注意力机制
• 循环神经网络

基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类，提出一种基于多层双向简单循环单元(SRU)与注意力(MLBSRU-A)模型的加密流量分类方法。将特征学习和分类统一到一个端到端模型中，利用SRU模型高度并行化的序列建模能力来提高整体运行效率。为了提升MLBSRU-A模型的分类精度，堆叠多层双向SRU网络使其自动地从原始流量中提取特征，并引入注意力机制为特征赋予不同的权重，从而提高重要特征之间的区分度。实验结果表明，在公开数据集ISCX VPN-nonVPN上，MLBSRU-A模型具有较高的分类精度和运行效率，与BGRUA模型相比，MLBSRU-A的细粒度分类准确率提高4.34%，训练时间减少55.38%，在USTC-TFC2016数据集上，MLBSRU-A模型对未知加密恶意流量的检测准确率达到99.50%，细粒度分类准确率为98.84%，其兼具对未知加密恶意流量的高精度检测能力以及对加密恶意流量的细粒度分类能力。

• 单位
  中国人民解放军战略支援部队信息工程大学