一种基于注意力机制CNN深度学习模型的QUIC加密视频流量识别方法

本发明提出了一种基于注意力机制CNN深度学习模型的QUIC加密视频流量识别方法，实现了在QUIC加密流量环境下对特定视频内容的识别。首先，本发明通过采集正常环境下的QUIC加密视频流量数据及其对应的解密后流量，利用客户端请求包标记数据传输单元，并对视频数据进行分片。然后，通过提取加密视频流的数据传输单元长度序列，结合相应的原始流量数据，训练线性回归模型训练校正长度公式，实现修正因QUIC加密和流复用带来的长度偏差。最后，采集特定视频的QUIC加密视频流量数据并进行长度校正，使用基于注意力机制的CNN深度学习模型对校正后的数据进行训练，实现对QUIC加密视频流的高精度识别。实验结果表明，本发明能够在复杂的网络环境下实现高精度的视频流识别，相比传统方法，具有更高的识别准确性和鲁棒性，适用于视频流量监控与安全分析领域。