期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向移动应用识别的结构化特征提取方法
被引量：
14
1
作者
沈亮
王鑫
陈曙晖
《计算机应用》
CSCD
北大核心
2020年第4期1109-1114,共6页
针对移动应用流量监控及行为分析等需要,为有效识别移动网络流量所属的应用,提出一种超文本传输协议(HTTP)流结构化特征提取方法。采取一款自研的基于虚拟专用网络(VPN)的流量采集工具获取研究数据,该工具能够精确标识每一条数据流归属...
针对移动应用流量监控及行为分析等需要,为有效识别移动网络流量所属的应用,提出一种超文本传输协议(HTTP)流结构化特征提取方法。采取一款自研的基于虚拟专用网络(VPN)的流量采集工具获取研究数据,该工具能够精确标识每一条数据流归属的应用。在特征提取阶段,不预先设计特征构成,通过流聚类、获取最长公共子序列、字符替换得到应用HTTP流的结构化特征。从42种应用的117772条HTTP流中提取特征,并对测试集的50387条HTTP流进行识别,所提方法的平均准确率达99%,平均查全率为90.63%,单个应用最大误报率为0.52%。实验结果表明,该结构化特征提取方法能够有效识别移动应用的流量。
展开更多
关键词
流量采集
移动应用识别
流量分类
深度包检测
特征提取
在线阅读
下载PDF
职称材料
基于双域注意力和元学习的移动应用行为识别
被引量：
1
2
作者
张文君
陈丹伟
《西南大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第12期198-208,共11页
移动智能设备和移动应用承载了诸多个人信息和办公娱乐功能,通过分析移动应用在使用时产生的网络流量,可以在网络管理、隐私保护以及行为识别方面提供有价值的信息.文章设计了一种基于双域注意力机制和元学习的识别模型,首先,通过深度...
移动智能设备和移动应用承载了诸多个人信息和办公娱乐功能,通过分析移动应用在使用时产生的网络流量,可以在网络管理、隐私保护以及行为识别方面提供有价值的信息.文章设计了一种基于双域注意力机制和元学习的识别模型,首先,通过深度可分离卷积模块进行特征提取;其次,通过注意力机制模块从通道和空间2个维度提取注意力,增强行为识别样本的图像纹理特征;同时,利用元学习的策略,进行多任务学习,使得模型在面对新的小样本识别任务时可以有更快速高效的识别效果.实验结果表明,相比于其他的小样本识别模型,本文模型能够有效地识别出移动应用行为特征.
展开更多
关键词
移动
应用
行为
识别
深度学习
注意力机制
元学习
深度可分离卷积
小样本分类
在线阅读
下载PDF
职称材料
题名
面向移动应用识别的结构化特征提取方法
被引量：
14
1
作者
沈亮
王鑫
陈曙晖
机构
国防科技大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2020年第4期1109-1114,共6页
基金
国家重点研发计划项目(2016QY11W2004)。
文摘
针对移动应用流量监控及行为分析等需要,为有效识别移动网络流量所属的应用,提出一种超文本传输协议(HTTP)流结构化特征提取方法。采取一款自研的基于虚拟专用网络(VPN)的流量采集工具获取研究数据,该工具能够精确标识每一条数据流归属的应用。在特征提取阶段,不预先设计特征构成,通过流聚类、获取最长公共子序列、字符替换得到应用HTTP流的结构化特征。从42种应用的117772条HTTP流中提取特征,并对测试集的50387条HTTP流进行识别,所提方法的平均准确率达99%,平均查全率为90.63%,单个应用最大误报率为0.52%。实验结果表明,该结构化特征提取方法能够有效识别移动应用的流量。
关键词
流量采集
移动应用识别
流量分类
深度包检测
特征提取
Keywords
traffic collection
mobile application identification
traffic classification
Deep Packet Inspection(DPI)
signature extraction
分类号
TP393.08 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于双域注意力和元学习的移动应用行为识别
被引量：
1
2
作者
张文君
陈丹伟
机构
南京邮电大学计算机学院、软件学院、网络空间安全学院
出处
《西南大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第12期198-208,共11页
基金
国家重点研发计划项目(2019YFB2101704).
文摘
移动智能设备和移动应用承载了诸多个人信息和办公娱乐功能,通过分析移动应用在使用时产生的网络流量,可以在网络管理、隐私保护以及行为识别方面提供有价值的信息.文章设计了一种基于双域注意力机制和元学习的识别模型,首先,通过深度可分离卷积模块进行特征提取;其次,通过注意力机制模块从通道和空间2个维度提取注意力,增强行为识别样本的图像纹理特征;同时,利用元学习的策略,进行多任务学习,使得模型在面对新的小样本识别任务时可以有更快速高效的识别效果.实验结果表明,相比于其他的小样本识别模型,本文模型能够有效地识别出移动应用行为特征.
关键词
移动
应用
行为
识别
深度学习
注意力机制
元学习
深度可分离卷积
小样本分类
Keywords
mobile application behavior recognition
deep learning
attention mechanism
meta-learning
deep separable convolution
small sample classification
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向移动应用识别的结构化特征提取方法
沈亮
王鑫
陈曙晖
《计算机应用》
CSCD
北大核心
2020
14
在线阅读
下载PDF
职称材料
2
基于双域注意力和元学习的移动应用行为识别
张文君
陈丹伟
《西南大学学报（自然科学版）》
CAS
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
