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：中国电子科技集团公司第五十四研究所;北京邮电大学

摘要：本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。

主权项：1.一种改进GRU模型的网络流量流特征分类方法，其特征在于，包括以下步骤：S1：在链路连接中捕获应用程序的流量数据包，将捕获的原始流量转化成流序列，并按照五元组切分原始数据包流，然后基于流量数据的流特征将流序列转换成流数据包长度序列，经过处理的流量数据构成数据集；S2：建立基于门控循环单元神经网络的深度学习流量分类模型；S3：设置反向传播优化器和损失函数，利用数据集训练深度学习流量分类模型，利用训练好的深度学习流量分类模型提取出流量数据的时序特征，基于提取出的特征参数，连接全连接层，再通过softmax函数得到分类结果；其中，步骤S1包括以下步骤：S11、使用网络流量监控软件实时、连续地将应用使用期间产生的一系列数据包捕获并实时存储到内部或外部存储器上；S12、将捕获的原始流量集合P分割成多个子集的集合F＝{f1,…,fi,…,fm}；m为原始流量划分的子集个数，fi表示将原始流量划分为多个子集中的任一子流；子流fi＝xi,bi,di,ti中的数据包以时间顺序排列，其中xi表示包括源IP地址、源端口、目的IP地址、目的端口和协议号的五元组，bi∈[0,∞为子流fi中所有数据包的大小，单位是字节，di是子流fi传输的总时长，ti则是子流fi中的数据包流的第一个数据包开始传输的时间；S13、将原始流量转化成流序列后，采用流数据包长度序列作为流特征序列；假设流序列训练样本集合中有N个样本，总属于C种应用，则第p个流序列样本表示为： 其中，0p≤N，np是流xp的数据包数量，是时间步i时刻的数据包特征值，表示数据包的长度特征，i＝1,2,…np；S14、对网络流xp中的np个数据包，每个数据包对应的长度为lengtht，则对数据包长度序列进行one-hot编码,得到L’t＝onehotlengtht,0t≤np，经过预处理的流量数据构成数据集；其中，步骤S2建立的深度学习流量分类模型具体为：zt＝σWz*[ht-1,Xt]1rt＝σWr*[ht-1,Xt]2 ct＝σWc*[ht-1,Xt]5 gt＝σWg*[ht-1,Xt]7ht＝1-gt*Xt+gt*ht’8式中，σ表示激活函数，采用sigmoid函数；zt表示更新门，Wz则表示更新门的权重；rt表示重置门，Wr则表示重置门的权重，ht-1表示上一时间步t-1的隐藏状态，Xt表示当前神经元的输入，表示当前神经元的候选隐藏状态；htgru表示原始GRU单元时间步的输出；ct和gt表示另一神经网络的参数；Wg和Wc是权重参，和是双向GRU网络当前时间步t的前向状态输出和后向状态输出，和通过公式6连接后得出是单个时间步的GRU神经元的输出。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第五十四研究所 北京邮电大学 一种改进GRU模型的网络流量流特征分类方法