一种用于交通指纹识别的输入识别层次化深度学习框架

深度学习已被证明在探索数据包定时和大小特征的流量指纹识别方面很有前途。尽管众所周知的是自动特征提取，但它面临着流量的异质性（即原始分组定时和大小）和所需输入的同质性（即特定输入）之间的差距。为了解决这一差距，我们设计了一个用于交通指纹识别的输入-诊断分层深度学习框架，该框架可以将全面的异构交通特征分层抽象为可被现有神经网络无缝消化的同质向量，以进行进一步分类。广泛的评估表明，我们的框架仅使用一种范式，不仅支持异构流量输入，而且在广泛的流量指纹任务中，与最先进的黑色方法相比，其性能更好或可比。