基于 MLP-Mixer 神经网络的多视图多标签异常网络流量分类
机器学习
2023-09-12 v3 人工智能
计算机视觉与模式识别
摘要
网络流量分类是许多网络安全应用的基础，在网络空间安全领域已引起足够关注。现有的基于卷积神经网络（CNNs）的网络流量分类往往强调流量数据的局部模式，而忽略全局信息关联。本文提出一种基于 MLP-Mixer 的多视图多标签神经网络用于网络流量分类。与现有基于 CNN 的方法相比，我们的方法采用 MLP-Mixer 结构，相较于常规卷积操作更符合数据包的结构。在我们的方法中，一个数据包被划分为包头和包体，连同该数据包的流特征作为来自不同视图的输入。我们利用多标签设置同时学习不同场景，通过挖掘不同场景之间的相关性来提升分类性能。借助上述特性，我们提出了一种端到端的网络流量分类方法。我们在三个公开数据集上进行了实验，实验结果表明我们的方法能够取得优越的性能。
引用
@article{arxiv.2210.16719,
title = {Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network},
author = {Yu Zheng and Zhangxuan Dang and Chunlei Peng and Chao Yang and Xinbo Gao},
journal= {arXiv preprint arXiv:2210.16719},
year = {2023}
}
备注
17 pages,6 figures