一种基于Transformer的综合特征网络流量分类方法

本发明涉及一种基于Transformer的综合特征网络流量分类方法，本发明的综合特征网络流量分类方法，同时考虑了流量数据的统计特征、全局特征、局部特征和时序特征，充分利用了不同特征的优势，能够有效提升网络流量分类的全面性和精确性。基于深度学习的方法需要统一流量大小，这将导致有关网络流量整体结构的信息丢失。将基于自编码器提取的统计特征、基于卷积神经网络提取的局部特征、基于Transformer提取的全局特征和基于门控循环单元提取的时序特征进行特征融合，生成综合流量特征，使得特征集更加全面，从而提高分类器的性能。在分类模块中，结合使用瓶颈模块和残差连接，在保持模型性能的同时，减少计算和存储的需求，使得模型更加适合处理大规模的一维数据。