基于多特征融合的移动流量应用识别

移动应用识别是移动网络安全与管理研究领域的一项关键技术。针对移动应用更新后人工提取特征失效及特征提取不充分等问题，文章提出一种基于流量的移动应用识别模型MAITSF。该模型采用多通道并行架构，利用卷积神经网络（Convolutional Neural Network,CNN）提取移动应用流量的空间特征，使用长短时记忆（Long ShortTerm Memory,LSTM）网络提取移动应用流量的时间特征，并融合各通道提取的特征。在此基础上，引入一个通道注意力模块对每个通道赋予不同权重，使模型能够集中关注神经网络提取的关键特征，增强流量特征的表征能力。文章在公开数据集（CICAAGM2017）和实验室采集的实际数据集上进行对比实验，实验结果表明，MAITSF在两个数据集上的分类准确率均达98%，相较于现有典型模型提高了4%以上。