南京邮电大学学报(自然科学版)

作者：孔　镇,董育宁

单位：南京邮电大学 通信与信息工程学院，江苏 南京　210003南京邮电大学 通信与信息工程学院，江苏 南京　210003

关键词：网络流量分类；深度学习；特征扩展；视频流量；表示学习

随着网络视频服务持续增长，为了更好地区分不同质量的视频服务和管理网络资源，提出了一种基于深度学习的网络流量细粒度分类方法。该方法设计了一种扩展流特征信息的表达方式，将更丰富的特征信息以图片形式表示出来，应用卷积神经网络对图片代表的流数据实现细粒度分类，且省去了特征设计和选择环节。通过对视频数据进行实验，分类准确率达到了93.6%，与文献方法相比，分类性能更好。同时，在其他数据集上的实验结果表明，对网络流量进行粗粒度分类同样能取得很好的分类结果。

来源：2021年第3期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2021年第3期