一种基于双向深度循环神经网络的DFI网络流量分类方法

本发明提供一种基于双向深度循环神经网络的DFI网络流量分类方法，包括如下步骤：报文输入至样本特征数据提取和分类模块，以五元组为Key通过hash计算产生流ID，样本特征数据提取和分类模块逐流逐报文提取关键数据；对逐流进行分类及特征标记得到传统DPI识别分类标记并输出给分类综合器，同时输出给DFI特征数据过滤标记模块进行DFI特征数据过滤标记；DFI特征数据过滤标记模块产生训练数据与实时数据；至双向深度循环神经网络进行模型参数训练，得到网络流量识别与分类结果；综合处理得出网络流量分类结果。本发明采用LSTM作为门控单元的双向深度循环神经网络模型，适应性更广、精度更高，误控率更低。