基于深度学习的网络流量分类及异常检测方法研究.pdf

基于深度学习的加密流量分类：综述 Deep Learning for Encrypted Traffic Classification: An Overview

近年来,随着互联网的迅猛发展,越来越多的新型网络应用逐渐兴起,网络规模不断扩大,网络组成也越来越复杂。网络流量分类技术作为增强网络可控性的基础技术之一,不仅可以帮助网络运营商提供更好的服务质量,而且能够对网络进行有效的监督管理,确保网络安全。 本文综述了网络流量分类领域的研究方法及研究成果,对这些传统方法进行比较,分别指出它们的优势和不足。并针对高速网络环境下的实时分类、加密流分类、精细化分类、协议动态变化时的分类等现实挑战,对相关研究进展进行阐述和分析。最后对未来的研究方向进行展望。

流量分类 conda安装pytorch == 1.4.0 torchvision == 0.5.0 cudatoolkit = 10.1 -c pytorch Python-m pip install pip == 19.3 ！pip install torch-scatter == latest + cu101 -f ！pip install torch-sparse == latest + cu101 -f ！pip install torch-cluster == latest + cu101 -f ！pip install torch-spline-conv == latest + cu101 -f ！pip install torch-geometric == 1.4.3 ！pip安装pyvis 在Tra_proj / botnet_detection / ！pip安装

利用python实现遗传算法对正常流量和恶意流量进行区分，类似于AIS，IDS