-
题名改进移动加密流量分类的方法——数据质量分数
- 1
-
-
作者
程槟
魏福山
顾纯祥
-
机构
河南省网络密码技术重点实验室
-
出处
《信息工程大学学报》
2024年第4期459-465,共7页
-
基金
国家自然科学基金(61772548)
河南省优秀青年基金(222300420099)。
-
文摘
移动互联网的飞速发展使得针对移动加密流量的分类需求激增。深度学习分类方法依赖数据特征,但不同数据的特征量存在差异,均匀分配权重易降低性能。为此,提出一种称为数据质量分数(DQS)的方法来区分数据,并在损失函数中使用不同权重来减少低质量数据对模型参数的干扰,同时提升高质量数据的作用。通过Mirage-2019数据集上的实验验证该方法的有效性,首先对该数据集进行统计分析,确定特征选择;然后构建包含不同神经网络结构的分类模型进行实验,并加入DQS方法进行前后性能对比。5折交叉验证的结果表明,加入DQS方法后,不同网络模型的分类性能均有提升,且训练时间没有明显增加。
-
关键词
深度学习
加密流量分类
移动应用程序
数据质量分数
Mirage-2019数据集
损失函数
5折交叉验证
-
Keywords
deep learning
encrypted traffic classification
mobile apps
data quality score
Mirage-2019 dataset
loss function
5-fold cross-validation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
