一种基于特征融合和分组空洞卷积网络的加密流量分类方法

本发明公开了一种基于特征融合和分组空洞卷积网络的加密流量分类方法，该方法以高精度识别网络流量，同时保障隐私和计算效率，包括：数据预处理，通过分段、过滤和截断，仅保留26个字节以保护隐私；特征提取，采用双滑动窗口机制和设计的哈希函数，配合嵌入层生成具象和抽象特征并实现联合特征表示；在模型设计中，首先进行轻量化卷积网络设计，通过轻量化分组空洞卷积结构来扩大感受野，加入通道混合和逐点卷积增加通道间交流；然后在分类输出阶段，使用余弦退火机制动态调整学习率，以提升训练效果和收敛速度。本发明在准确性、稳定性、处理速度和资源占用方面优于现有轻量化方法，适合资源受限设备的高效流量分类应用，具有实用和推广价值。