基于改進(jìn)的CNN-Transformer加密流量分類(lèi)方法

打開(kāi)文本圖片集

摘要： 針對(duì)傳統(tǒng)加密流量分類(lèi)模型對(duì)特征提取不足導(dǎo)致分類(lèi)準(zhǔn)確率較低等問(wèn)題， 使用深度學(xué)習(xí)技術(shù)， 提出一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)合Transformer的加密流量分類(lèi)模型.

為提高分類(lèi)精度， 首先將數(shù)據(jù)集切割填充并完成標(biāo)準(zhǔn)化處理； 然后采用Transformer網(wǎng)絡(luò)模型中的多頭注意力機(jī)制捕獲長(zhǎng)距離的特（剩余13671字）