面向加密流量分類的深度可解釋方法

摘要： 目前的深度學習模型在加密流量分類任務(wù)上相較于傳統(tǒng)機器學習方法的性能優(yōu)勢顯著，然而由于它固有的黑盒特性，用戶無法獲知深度學習模型作出分類決策的機理。為了在保證分類準確率的同時提高深度學習模型的可信度，提出一種面向加密流量分類深度學習模型的可解釋方法，包括基于原型的流量層級主動解釋和基于特征相似顯著圖的數(shù)據(jù)包層級被動解釋。首先，利用基于原型的流量原型網(wǎng)絡(luò)（FlowProtoNet）...