基于一维卷积神经网络的网络流量分类方法

目的：针对传统机器学习算法对于流量分类的瓶颈问题，提出基于一维卷积神经网络模型的应用程序流量分类算法。

数据集：ICSX v*n-nonv*n

特征：数据预处理工具“USTC-TK2016，
本文选择同文献[12]相同的前784 Byte，对于有效负载小于784 Byte的数据包在末尾处作补零操作。为了获得更好的性能，进行离差标准化（min-max Normalization）操作将所有输入值归一化到范围[0∶1]内。

卷积方法：卷积神经网络模型的结构为：输入层、卷积层、卷积层、池化层、三层全连接层以及输出层。