计算机研究与发展

作者：王冲,魏子令,陈曙晖,

关键词：工业互联网, 流量分类, 动作识别, 深度学习, 自注意力,

近年来，工业互联网获得了飞速的发展.但是和传统互联网一样，工业互联网也面临着大量的网络攻击威胁和敏感信息泄露风险.而流量识别技术，特别是细粒度的应用动作识别技术，可以辅助网络管理者对异常行为进行检测和及早发现隐私泄露风险，保障工业互联网的安全.然而，现有动作识别技术依赖对流量数据中动作边界的预先分割，无法识别无边界的动作，难以应用于实际场景.为解决这一问题，提出一种无边界动作识别算法：首先构建基于自注意力机制的包级识别模型，对数据包进行动作分类；然后提出动作聚合算法，从数据包的分类结果中聚合出动作序列；最后，建立2种新指标来衡量识别结果的好坏.为验证算法的可行性，以微信为实例进行实验，结果表明该模型能够取得最高超过90%的序列识别精度.这一研究成果将有望极大推动应用动作识别技术的实用化.

来源：2022年第5期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2022年第5期