[发明专利]流量分类方法、装置、设备及计算机可读存储介质

权利要求书

1.一种流量分类方法，其特征在于，所述流量分类方法包括以下步骤：

将待分类流量数据输入Transformer模型的Encoder模块，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数，其中，所述Encoder模块包括多个自注意力模块；

基于所述时间注意力系数以及空间注意力系数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的自注意力输出数据；

基于所述自注意力输出数据，通过Transformer模型中最后一层Encoder模块，获取待分类流量数据对应的层输出数据；

基于待分类流量数据的预设嵌入字段，获取所述层输出数据中的目标字段数据，并基于所述目标字段数据对所述待分类流量数据进行分类，获得所述待分类流量数据对应的分类结果。

2.如权利要求1所述的流量分类方法，其特征在于，所述将待分类流量数据输入Transformer模型的Encoder模块，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数的步骤包括：

将待分类流量数据输入Transformer模型的Encoder模块，通过Transformer模型各层的Encoder模块，对待分类流量数据进行层归一化，获得各层的Encoder模块对应的层归一化参数；

通过Transformer模型各层的Encoder模块，对层归一化后的待分类流量数据进行线性投影操作，获得各个自注意力模块对应的线性投影参数；

基于所述层归一化参数以及所述线性投影参数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数。

3.如权利要求2所述的流量分类方法，其特征在于，所述基于所述层归一化参数以及所述线性投影参数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数的步骤包括：

基于所述层归一化参数以及所述线性投影参数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的Query向量以及Key向量；

基于所述Query向量以及Key向量，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数。

4.如权利要求3所述的流量分类方法，其特征在于，所述基于所述Query向量以及Key向量，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数的步骤包括：

通过Transformer模型获取所述待分类流量数据的维度；

基于所述Query向量、Key向量以及所述维度，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的时间注意力系数以及空间注意力系数。

5.如权利要求3所述的流量分类方法，其特征在于，所述基于所述时间注意力系数以及空间注意力系数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应的自注意力输出数据的步骤包括：

基于所述层归一化参数以及所述线性投影参数，通过Transformer模型各层的Encoder模块，获取各个自注意力模块对应Value向量；

基于时间注意力系数以及空间注意力系数，通过Transformer模型各层的Encoder模块，确定各个自注意力模块对应的目标矩阵；

基于所述目标矩阵以及所述Value向量，通过Transformer模型各层的Encoder模块，确定各个自注意力模块对应的自注意力输出数据。