[发明专利]流量分类方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种流量分类方法、装置、设备及计算机可读存储介质，其中，方法包括：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；基于时间注意力系数以及空间注意力系数，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，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。本发明通过有效提取待分类流量数据中数据之间的时空特征，通过时空特征对待分类流量数据进行准确分类，提高了流量识别的准确率。

技术领域

本发明涉及流量分类领域，尤其涉及一种流量分类方法、装置、设备及计算机可读存储介质。

背景技术

随着各种新型网络应用的不断出现，而且各应用类型都具有自身独特的流量特征，这使得网络流量也日益复杂化。如果没有网络流量识别与分类的技术基础，便难以准确描述用户的网络行为、精确分析网络发展趋势，实现网络动态管理也更加困难，从而影响网络资源的利用率。网络流量识别与分类技术是一种间接了解网络状态的统计行为，是对网络进行深入研究的重要手段。

目前，基于机器学习人工智能的方式用来识别网络流量的常用识别方法主要包括：1)基于流量数据的特征提取与选择、分类器训练与测试等步骤的流量识别；2)采用CNN+LSTM端到端的框架的流量识别。但是，第一种识别方式需人工设计提取特征，人工经验使得所设计的特征不一定是最优的，导致流量识别分类的准确率较低；第二种识别方式未考虑同一数据包不同位置数据的重要性以及不同数据包间的重要性，导致流量识别分类的准确率较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种流量分类方法、装置、设备及计算机可读存储介质，旨在解决现有技术中流量识别分类的准确率低的技术问题。

为实现上述目的，本发明提供一种流量分类方法，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。

进一步地，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。