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

  • 發布文章
  • 消息中心
#共享流量包
關注該標簽
專欄文章 23
視頻 0
問答 0
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。
w****n
2023-08-31
55
0
#共享流量包
關注該標簽
專欄文章 23
視頻 0
問答 0