# 加密流量分类

**Repository Path**: this-is-8868/Encrypted-Traffic-Classification

## Basic Information

- **Project Name**: 加密流量分类
- **Description**: 一个开箱即用的加密流量分类开源工具。提供两种经过验证的解决方案：基于XGBoost+SHAP的轻量级可解释性分类器，以及融合流级统计与包级时序特征的FlowSeqFusion双分支深度学习模型。支持完整的特征提取、数据集对齐、模型训练与评估流水线。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 36
- **Created**: 2026-05-30
- **Last Updated**: 2026-05-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 加密流量分类

#### 说明
项目代码Encrypted_traffic_classification实现一种面向加密流量的轻量级被动测量与可解释性特征优化框架。首先，基于流级统计特征构建低开销特征工程，利用XGBoost算法实现高效分类。其次，针对模型黑盒问题，构建基于SHAP的可解释性特征优化机制，通过量化特征贡献度指导递归特征消除，精准筛选出Top-15关键特征子集，实现了模型的极致轻量化。最后，针对网络环境演进问题，通过对比2016年基准数据与2026年真实校园网流量的特征分布，揭示了基础设施升级与应用形态改变导致模型泛化失效的内在机理。

项目代码Iscx_traffic_classification_dl提出FlowSeqFusion，一种融合流级统计特征与包级时序序列特征的双分支深度学习模型。该模型包含统计分支与序列分支两个并行模块，通过特征交互融合策略将两个分支学习到的高维表征进行融合，最终用于五类流量分类任务。