(2)提出了基于注意力机制的CNN-GRU加密流量分类模型，用于解决目前基于深度学习的加密流量分类任务中的流量时序特征提取不足的问题，实验通过对本模型与二维CNN模型对比分析，本模型的准确率提高了11%。为了进一步证明对流量的时序特征的学习可以提高分类的准确率，本实验还与CNN+RNN模型进行了对比分析，准确率提高了4.2%，证明了对于流量时序特征的学习可以提高加密流量分类的准确性
参考文献（略）
(2)提出了基于注意力机制的CNN-GRU加密流量分类模型，用于解决目前基于深度学习的加密流量分类任务中的流量时序特征提取不足的问题，实验通过对本模型与二维CNN模型对比分析，本模型的准确率提高了11%。为了进一步证明对流量的时序特征的学习可以提高分类的准确率，本实验还与CNN+RNN模型进行了对比分析，准确率提高了4.2%，证明了对于流量时序特征的学习可以提高加密流量分类的准确性
参考文献（略）
