基于有效载荷和数据包长度的多模态加密流量分类

针对大多数深度学习算法只使用单一模态进行分类会导致结果具有偏差性的问题，提出了一种基于双模态特征的混合神经网络。该方法能够使用两种不同的模态训练分类模型，提高分类模型的准确率。首先使用传输层流量数据包的有效载荷特征作为数据包级模态，数据包的长度序列特征作为流级模态；其次分成两个路径使用神经网络分析双模特征；再次将两条路径提取的高维特征进行融合；最后输出模型的分类结果。分别使用两个公开数据集对模型进行训练和测试，实验结果表明，多模态模型的分类精确率分别达到96.46%和93.01%，与当前4种比较优秀的单模态和多模态方法相比，均有明显提升。