标题：基于元学习的小样本加密流量分类
作者：徐立夫 王梓懿 马秀丽
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：加密流量分类；小样本学习；元学习；加性角度间隔
摘要：随着网络流量激增与加密技术普及，加密流量分类在网络安全中的重要性日益凸显。然而，现有方法存在跨域泛化能力不足及小样本场景适应性差等缺陷。针对上述挑战，提出基于时序增强元学习的小样本加密流量分类方法。首先，提出一种基于头部核心字段保留机制与方向编码特征融合的流量表征方法；然后，设计特征提取模块，融合时序表征增强模块与卷积模块，有效增强特征提取能力；最后，引入自适应加性角度间隔分类模块，使类内紧凑度增加，类间距离增大。实验表明，该方法能够较好地应对小样本场景下加密流量分类问题。