一种基于深度学习和对抗性策略的流量整形方法及系统

本发明公开了一种基于深度学习和对抗性策略的流量整形方法及系统，整形方法包括：通过流量监测器实时监控网络流量，捕获流量数据的信息，并进行数据预处理，通过预处理后的流量数据进行流量特征提取，训练DNN分类器；将训练后的DNN分类器与流量数据共同输入到补丁生成模块，根据加入多目标优化算法的双重模拟退火算法初步生成对抗性补丁，并通过自适应调整策略和带宽开销调整策略来优化所述对抗性补丁；补丁注入：将优化后的对抗性补丁，通过注入控制器注入到原始流量数据中，对原始流量数据进行整形。本发明解决了物联网设备在面对设备识别和流量分析攻击时的对抗能力与隐私安全保护能力有待加强的问题。