一種基于神經(jīng)網(wǎng)絡(luò)的去中心化應(yīng)用加密流量分類模型

摘要： 針對傳統(tǒng)流量分類方案對特征提取不充分，導(dǎo)致流量分類準(zhǔn)確度不高的問題，提出一種新的去中心化應(yīng)用加密流量特征選擇算法，該算法可有效提升數(shù)據(jù)集的代表性和可靠性。通過該算法并結(jié)合膠囊網(wǎng)絡(luò)與Transformer模型兩者優(yōu)勢，提出一種新型深度加密流量分類模型CapsuleFormer,使用膠囊神經(jīng)元代替?zhèn)鹘y(tǒng)標(biāo)量神經(jīng)元，具有膠囊激活向量高維表示的能力，通過將訓(xùn)練數(shù)據(jù)映射到更高維空間進(jìn)行特征... （共9頁）