基于深度学习的流量数据脱敏方法、模型训练方法及装置

本申请提出一种基于深度学习的流量数据脱敏方法、模型训练方法及装置。其中，该流量数据脱敏方法包括：采用传输层五元组将原始网络流量数据划分为多个数据流，对同一个数据流中的至少一个时序单元进行特征提取与格式转换，得到每个时序单元的灰度图像；将每个数据流之中每个时序单元的灰度图像输入至预先训练好的流量数据脱敏模型中进行脱敏处理，获得流量数据脱敏模型输出的每个时序单元的流量数据脱敏重建图像；将每个数据流之中每个时序单元的流量数据脱敏重建图像进行反量化处理以还原为二进制数据流，得到原始网络流量数据对应的脱敏流量数据。本申请能够在保证流量可用性的前提下，实现流量数据的有效脱敏。