一种基于自监督学习的加密流量分类系统和分类方法

本发明公开了一种基于自监督学习的加密流量分类系统和分类方法，涉及网络流量分析领域，分类系统以大量无标签网络加密流量和少量有标签网络加密流量作为输入，通过自监督学习方法对分类系统进行训练，在训练后对未知加密流量进行预测和分类，分类系统包括预处理模块、多变量时间序列提取模块、头部比特子图提取模块、多变量分块CPC模块、多阶段子图MAE模块、融合分类模块、时间序列分类预测模块、头部比特分类预测模块和动态置信度阈值计算模块。本发明结合CPC、MAE和伪标签等技术，基于自监督学习的加密流量分类系统和方法，降低了对大规模标注数据集的依赖，提高了加密流量检测的准确性和鲁棒性，为网络安全提供更为可靠的保障。