一种基于自蒸馏的自适应恶意流量分类算法

作者:潘嘉; 翟江涛
更新时间:

针对文献中深度网络无法根据流量样本自适应选择网络层的问题,提出了一种基于自蒸馏的自适应恶意流量分类算法。首先,将原始流量作为骨干网的输入进行预处理,经自的注意力网络层构建流量的权重分布,然后利用一维卷积神经网络提取流量分布的显著特征作为后续网络的输入。支路网络计算流量样本的熵值,并自适应地选择网络层。如果小于设置的阈值,它将提前返回。否则,主干网将继续推理。实验表明,该方法对正常流量的平均检测率为99.9%,对恶意流量的平均检测率为99.96%。恶意流量的检测率比现有的典型深度学习算法高2个百分点,对困难样本的检测率为5%。此外,该支路网络具有自适应功能,并对可避免的后续网络进行推理。