《表1 恶意流量分类CNN结构及参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的Android流量分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

流量数据处理的具体过程如下。首先输入层接收IDX格式的流量图像信息，并适当调整像素值，让其由0～255直接转换为0～1，实现归一化。在卷积层C1运算处理时，流量数据经过卷积层C1，由尺寸为5×5的卷积核进行处理。由于C1层共具有32个通道，所以最终会生成32个尺寸为28×28的特征图。经过处理的特征图进入池化层P1，该层会对特征图进行一次2×2的最大值池化处理，最终生成为32个尺寸为14×14的特征图。经过池化操作的特征图进入第二个卷积层C2，该卷积层的卷积核尺寸与C1相同，都是5×5，但是该层共具有64个通道，所以最后会生成64个尺寸为14×14的特征图。然后进入第二个池化层P2，在此层会对特征图进行2×2的最大值池化操作，与P1层操作相同，所以共生成64个7×7的特征图；接着会被两个全连接层处理，最后输出数据其输出节点数分别为1 024和10。最后，使用一个Softmax函数将输出结果转换为0～1的概率值。CNN各层输入、输出及参数设置如表1所示。