亚欧色一区w666天堂,色情一区二区三区免费看,少妇特黄A片一区二区三区,亚洲人成网站999久久久综合,国产av熟女一区二区三区

目前，公知的基于深度學習的加密流量識別算法可分為基于端口、基于有效載荷和基于流的識別方法。在這一框架下，基于端口的流量識別方法假設大多數應用程序使用默認的TCP協議或UDP端口號來推斷服務或應用程序的類型。因此，端口偽裝、隨機及隧道技術等方法失效。而基于有效載荷的識別方法需要匹配數據包內容，因此無法處理加密流量。和前兩種方法不同，基于流的識別方法通常依賴于統計特征或時間序列特征，采用機器學習方法對流量數據進行建模，再給出識別結果。 然而，機器學習方法存在的局限性包括：（1）難以自動提取和選擇特征，需要依賴專家經驗進行手動提取特征、選擇特征等，使得識別效果難以保證；（2）離線提取特征的方式使得識別算法難以應對在線流量識別的場景，需離線更新特征，重新訓練識別模型，難以實時提供流量識別結果。因此，解決上述問題，是流量識別算法設計的重中之重。