發(fā)布時間：2021-07-11 05:17

　　協(xié)議識別是指對網(wǎng)絡(luò)傳輸協(xié)議的識別,本文研究的應(yīng)用層協(xié)議和無線傳輸協(xié)議對于網(wǎng)絡(luò)安全、網(wǎng)絡(luò)規(guī)劃與管理、網(wǎng)絡(luò)流量優(yōu)化等來說都意義重大。在應(yīng)用層方面,傳統(tǒng)的識別方法,例如基于端口的識別技術(shù),基于靜態(tài)載荷特征協(xié)議識別技術(shù)都在不同程度上存在缺陷,無法適應(yīng)當前協(xié)議識別的需求;在無線傳輸協(xié)議方面,公布的資料來看國內(nèi)外還沒有投入大量研究精力在無線傳輸?shù)膮f(xié)議識別中,現(xiàn)有的識別方法主要是通過對信號層面的參數(shù)識別,將所識別的參數(shù)定義為特征向量,最后使用分類算法進行識別。這種方法過度依賴前面部分的識別準確率,當參數(shù)識別率下降時,協(xié)議識別的準確率下降非�？�。本文針對上述問題,提出一種基于深度學習的識別方法,該方法以數(shù)據(jù)為驅(qū)動,使用神經(jīng)網(wǎng)絡(luò)在大量數(shù)據(jù)中學習特征,最后進行分類。本文主要有以下兩點貢獻:首先,針對應(yīng)用層協(xié)議的識別問題,提出一種基于深度學習的方法進行識別,解決了現(xiàn)有方法識別率低、涉及隱私等問題。首先使用現(xiàn)有的DNN、CNN、LSTM、LSTM-DNN四種基礎(chǔ)網(wǎng)絡(luò)框架對原始比特流協(xié)議數(shù)據(jù)進行識別,通過實驗分析網(wǎng)絡(luò)不同超參數(shù)對識別性能的影響。在實驗中發(fā)現(xiàn)當不同協(xié)議的長度差異過大時,網(wǎng)絡(luò)識別率會大幅下降。本文根... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

深度信念結(jié)構(gòu)圖

圖 2. 5 卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)有很大的不同，摒棄了全連接的神經(jīng)用卷積層和池化層交替連接的方式進行特征提取。它的人工神經(jīng)元可以響應(yīng)一部蓋范圍內(nèi)的周圍單元，也就是說網(wǎng)絡(luò)會在再一次運算中都是對一部分區(qū)域進行運不是一個點。這樣的運算方式在大型圖像處理方面有很好的效果。在卷積層和池后使用全連接層，最后接分類器。下面詳細介紹卷積層和池化層，顧名思義，卷的運算方式就是卷積操作，卷積的運算方式如圖 2.6 所示。原始數(shù)據(jù)卷積核Feature map

圖 2. 9 LSTM 神經(jīng)元 RNN 在神經(jīng)元內(nèi)只有一個激活函數(shù)F ，由圖 2.9 可知，相比對原始 在其基礎(chǔ)上增加了 3 個門限，分別是 Input gate，Output gate 和 Fo構(gòu)更加復(fù)雜。輸入門接受當前時刻的輸入tx 和上一時刻來自同層神經(jīng)元的狀態(tài)

【參考文獻】：
期刊論文
[1]一種基于降噪自編碼器的人臉表情識別方法[J]. 李江,冉君軍,張克非.  計算機應(yīng)用研究. 2016(12)
[2]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機應(yīng)用研究. 2014(07)
[3]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[4]基于SVM算法的短波通信協(xié)議識別技術(shù)[J]. 聶東舉,葉進,閆坤,車俐.  系統(tǒng)工程與電子技術(shù). 2013(06)
[5]基于二階循環(huán)統(tǒng)計量的BPSK參數(shù)估計[J]. 于寧宇,馬紅光,石榮,石磊.  系統(tǒng)工程與電子技術(shù). 2011(09)
[6]基于KPCA和LDA的信號調(diào)制識別[J]. 周欣,吳瑛.  系統(tǒng)工程與電子技術(shù). 2011(07)
[7]基于Walsh-Hadamard變換的卷積碼盲識別[J]. 劉健,王曉君,周希元.  電子與信息學報. 2010(04)
[8]基于正則表達式的深度包檢測算法[J]. 丁晶,陳曉嵐,吳萍.  計算機應(yīng)用. 2007(09)
[9]應(yīng)用層協(xié)議識別算法綜述[J]. 陳亮,龔儉,徐選.  計算機科學. 2007(07)
[10]基于特征串的應(yīng)用層協(xié)議識別[J]. 陳亮,龔儉,徐選.  計算機工程與應(yīng)用. 2006(24)

碩士論文
[1]深度學習在圖像識別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學 2014



本文編號：3277415