基于LSTM和特征生成的网络流量分类

作者：王帅; 董育宁^*; 李涛

来源：应用科学学报, 2022, 40(05): 758-769.

• 流量分类
• 特征生成
• 长短期记忆
• 细分类

本文提出了一种将特征生成和长短期记忆（long short term memory, LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式，分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性，并比较了卷积神经网络（convolutional neural network, CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数，使其可以适应LSTM输入维度，获得更佳的分类效果。对真实网络流数据的实验结果表明，本文方法在细分类中的准确度可达93.9%，而在粗分类任务中可达99.2%，其性能明显优于现有其他分类方法。

• 单位
  南京邮电大学; 通信与信息工程学院