一种基于随机森林和改进卷积神经网络的网络流量分类方法

作者：云本胜; 干潇雅; 钱亚冠

来源：电信科学, 2023, 39(07): 80-89.

• 网络流量分类
• 随机森林
• 卷积神经网络
• Spark

为了提高网络流量分类模型的效率、降低模型复杂度，提出了一种基于随机森林和改进卷积神经网络的分类方法。首先，利用随机森林评估了网络流量各个特征的重要性，并根据重要性排序进行特征选择；其次，采用AdamW优化器和三角循环学习率优化了卷积神经网络分类模型；最后，将该模型搭建在Spark集群上实现模型训练的并行化。采用循环幅度恒定的三角循环学习率，选择1 024、400、256和100个最重要的特征作为输入的实验结果表明，模型的准确率分别提高到97.68%、95.84%、95.03%和94.22%。选择256个最重要的特征，采用不同学习率的实验结果表明，循环幅度减半的三角循环学习率的效果最佳，模型的准确率提高到95.25%，模型训练时间减少近1/2。

• 单位
  浙江科技学院