一种基于深度学习的轻量化流量识别模型.pdfVIP

数据与计算发展前沿（中英文），2025，7(2)第7卷第2期2025年4月

Vol.7No.2Apr.2025

专刊：中国科技云10周年

SpecialIssue:10thAnniversaryofChinaScienceTechnologyCloud

ISSN2096-742X一种基于深度学习的轻量化流量识别模型

CN10-1649/TP

1,21,21,21,2*

李勇，任勇毛，殷卓然，周旭

1.中国科学院计算机网络信息中心，北京100083

2.中国科学院大学，北京100049

文献CSTR:摘要：【目的】针对深度学习流量识别模型通常面临较高的参数量和计算量，难以在资源受限的边

32002.14.jfdc.缘网络环境中部署，提出了一种基于ShuffleNetV2改进的轻量化流量识别模型。【方法】首

CN10-1649/先，选择合适的模型分辨率因子和宽度因子来平衡模型的效率和性能；其次，在模型中嵌入

TP.2025.02.001轻量级多尺度特征融合模块和改进的坐标注意力机制模块，旨在以较小的计算存储开销提

升模型的识别性能；最后，将模型中的激活函数ReLU替换成ReLU6，更有利于模型在资源

文献DOI：受限的环境中部署与推理。【结果】实验基于公开的ISCXVPN2016数据集，结果验证了该模

10.11871/jfdc.issn.型在识别精度和执行效率上的良好表现。与现有广泛采用的ResNet-18模型相比，该模型

2096-742X.2025.在准确率（98.8%）增加0.2%的情况下，参数量和计算量分别大幅下降96.46%和62.97%。

02.001【结论】模型在保持较高的准确率的同时，显著实现了轻量化。

关键词：流量识别；ShuffleNetV2；注意力机制；特征融合

页码：3-11

获取全文

ALightweightTrafficIdentificationModelBased

onDeepLearning

LIYong1,2,RENYongmao1,2,YINZhuoran1,2,ZHOUXu1,2*

1.ComputerNetworkInformationCenter,ChineseAcademyofSciences,Beijing100083,China

2.UniversityofChineseAcademyofSciences,Beijing100049,China

Abstract:[Objective]Toaddre