计算机科学与探索

作者：胡仲则, 秦宏超, 李振军, 李艳辉, 李荣华, 王国仁

单位：1. 北京理工大学 计算机学院，北京 1000812. 深圳城市职业学院 信息与通信学院，广东 深圳 5180383. 重庆交通大学 信息科学与工程学院，重庆 4000744. 深圳市龙岗区智能供应链技术重点实验室，广东 深圳 518100

关键词：流量分类,图神经网络,对比学习,协议分析

基金：国家重点研发计划（2021YFB3301301）；国家自然科学基金（U2241211，62072034，62202053）；重庆市教育委员会科学技术研究项目（KJQN202000707）；重庆市自然科学基金（cstc2021jcyj-msxmX0859）。

网络流量分类技术在网络安全领域中起到了关键性作用。现代网络架构高度复杂，网络流量传输过程中将会不可避免地遇到各种异常情况。为此，提出了一种稳定性指标，评估算法对数据异常干扰的抵抗能力，基于图对比学习技术提出一种流量分类算法TCGCL，可以同时提取网络流量内部的载荷特征及网络流量之间的通联关系特征，更全面地保留数据有效信息，在此基础上通过数据增强技术模拟网络流量异常状态表现，大幅提升了算法在数据异常情况下的分类稳定性。基于协议分析技术，对流量分类过程中图结构数据的构造方式进行了研究，提出了一种高质低维的属性生成方法。实验表明，相较于基线算法，在达到近乎相同准确率的前提下，TCGCL的样本输入维度降低了约80%。针对复杂网络通信环境，TCGCL对测试样本进行了噪音混淆，模拟流量异常的情况。测试结果表明，TCGCL在流量出现异常的条件下仍可保持很高的分类准确率，且稳定性指标大幅领先于基线算法。

来源：2025年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第5期