加密流量识别实战：LeNet、AlexNet与GAP模型源码解析

简介：面向网络安全研究与深度学习开发者的加密流量识别模型源码包，针对传统特征工程难以捕捉加密流量隐蔽模式、误报率偏高等问题，提供一套端到端的深度学习解决方案。模型创新性融合LeNet、AlexNet与全局平均池化（GAP）结构：LeNet擅长提取基础卷积特征，AlexNet引入更深层与ReLU激活增强非线性表达能力，GAP则替代全连接层降低参数量、缓解过拟合，三者结合可有效提升加密流量分类的准确率与鲁棒性。压缩包共29个文件，体积仅73KB，包含20个Python源文件、2个gitignore版本控制文件、1个txt说明文档、1个cfg配置文件、4个keep占位文件及LICENSE许可协议，目录按AlexNet、GAP等子模块划分，结构清晰，便于快速定位模型代码。目前已有638人学习下载，体现出其对流量识别研究与实践的参考价值。使用者可获得从数据集划分、预处理到模型定义、训练、评估的完整Python脚本，能够直接运行或按需修改，辅助开展网络流量分析、异常检测与安全审计等实验。

1. 加密流量识别为什么值得自己跑一遍：LeNet、AlexNet、GAP 三模型源码拆解

解压这份源码的时候，我先把 readme.txt 翻了一遍，再扫目录结构：20 个 Python 源文件，LeNet、AlexNet、GAP 三个模型各占一个目录，每个目录里都自带 dataset.py、model.py、main.py、metrics.py。这种组织方式在开源项目里其实不多见，多数项目只给一个模型，顶多换几个参数跑实验；而这份源码把三种结构放在同一套数据流程下，天然就是为了对比实验准备的。它解决的问题很具体：在密文载荷无法直接解读的加密流量上，用卷积网络自动提取包的形态特征，把不同的应用或协议区分开。对于正在做网络安全管理、拿流量分类当毕设题目、或者想验证经典 CNN 系列在自己数据集上表现的从业者，这套代码比从零搭三套网络省事得多。而且它的取舍有点反直觉——在这个任务上，经典结构加全局平均池化的组合，往往比无脑堆深度更稳。

2. 数据怎么变成模型能吃的形状：preprocessing 与 create_train_test_set 是整套项目的地基

拿到源码的第一件事不是看模型结构，而是顺着数据文件把链路走一遍。流量识别这个方向，翻车大多发生在数据加工这一层，而不是网络结构。项目根目录 EncryptedTrafficAlanysis 下有 preprocessing.py、create_train_test_set.py、dataset.py，工具函数被拆在顶层 utils.py 和 ml 目录里的 utils.py 两份；LeNet、AlexNet、GAP 三个模型目录各自带着 model.py、main.py、metrics.py、dataset.py。这说明三套网络共用同一份数据准备流程，每套模型有独立的训练入口和评估入口，改成自己的数据集时只需要动前半条链路。

2.1 文件结构里的分工：三个模型目录共享同一套数据管线

先把核心文件的职责拆清楚，后面调参时才知道该改哪个文件。

我一般会把预处理输出落盘成 .npz 或 .npy，再交给 dataset.py 读取，这样调模型时不会反复重跑原始流量解析。这个项目的链路也正是顺着这个思路走的：preprocessing.py 负责把原始 pcap 或 CSV 转成中间张量，create_train_test_set.py 负责把它切成三份并写标签，dataset.py 在训练时按索引取数。三个模型目录里的 dataset.py 内容基本一致，因为喂给三套网络的应当是同一份中间产物，否则对比实验就不公平了。

2.2 加密流量里到底“看”什么：包长、方向与载荷熵

加密后的载荷是不可读的密文，基于明文关键词的检测思路直接失效。但 TLS、SSH、QUIC 这类流量仍然保留着可观测的形态特征：包长的分布、包到达的时间间隔、流的持续时间、上下行方向的比例，以及载荷字节的熵值。这些特征组合起来，足以让卷积网络学到不同协议或应用之间的差异。这就是为什么 CNN 能用在加密流量识别上——它不一定需要理解内容，只需要捕捉包的“形状”。

把一条流喂给卷积网络，最常见的做法是编码成二维矩阵。一个维度是包在流中的位置，另一个维度是每个包的特征切片。比如一条流截取前 32 个包，每个包取前 64 字节作为载荷图像，就得到 32×64 的矩阵；也可以把包长、方向、熵值这些一维序列堆叠在一起，形成多通道的“特征图”。源码 preprocessing.py 的核心工作就是完成这一步转换，具体实现思路和下面这段示意类似：

# 把一条流的前 N 个包、每包前 M 字节转成二维矩阵 def load_flow_to_matrix(flow_packets, max_packets=32, packet_slice=64): # flow_packets 是按抓包顺序排列的包列表，每个包有 payload 字段 matrix = np.zeros((max_packets, packet_slice), dtype=np.float32) for idx, packet in enumerate(flow_packets[:max_packets]): payload = bytes(packet.payload[:packet_slice]) matrix[idx, :len(payload)] = np.frombuffer(payload, dtype=np.uint8) / 255.0 return matrix

从这段代码可以看到两个关键参数：max_packets 控制一条流最多取多少个包，packet_slice 控制每个包取多少个字节。归一化必须除以 255，因为载荷字节的取值范围是 0 到 255，不归一化直接进网络，梯度很容易炸。max_packets 的取值通常在 32 到 64 之间，packet_slice 在 64 到 128 之间，这是公开流量数据集上表现比较稳定的区间。取值太小，特征不够；取值太大，大量补零会把噪声带进模型，这一点后续避坑章节还会提到。

2.3 数据集划分与标签对齐：create_train_test_set 的关键参数

数据处理链路里最容易被忽略的是划分脚本。create_train_test_set.py 负责把中间特征按比例切成训练、验证、测试三个集合，并生成对应的标签文件。注意这里必须按“流”划分，不能按“包”划分——同一会话的前后包高度相关，如果同一流的一部分包进了训练集、另一部分进了验证集，验证指标会虚高，模型实际泛化能力远没有显示出来的那么好。

python create_train_test_set.py \ --data_dir ./raw_flows \ --out_dir ./data \ --train_ratio 0.7 \ --val_ratio 0.15 \ --test_ratio 0.15 \ --seed 42

train_ratio、val_ratio、test_ratio 三个比例加起来必须等于 1，seed 固定成同一个值才能保证每次划分结果一致，实验才具备可复现性。跑完之后建议立刻打开生成的标签文件检查一下：类别名和数字 id 的映射是否和你的预期一致。因为很多脚本会按文件名排序后自动编号，class 0 不一定是你直觉里的第一个类别；如果标签对不上，后面所有指标都失去意义。这一步检查 30 秒，能省掉后面半天的排查时间。

3. 三个模型跑通加微调：LeNet 做基线、AlexNet 上强度、GAP 负责压参数量

数据链路跑通之后，重点才轮到模型。这个项目把 LeNet、AlexNet 和 GAP 三套结构放在同一套数据管线里，本身就说明了它的用途：用同一个训练集、同一个评估脚本，跑出三组指标做横向对照。我按这个思路跑了一遍，训练入口、参数设置和结果读取方式下面逐步拆开。

3.1 为什么选这三个结构：从感受野到参数量

三个模型的选择是有层次感的，不是随机拼凑。LeNet 是最早的卷积网络之一，只有少量卷积层和池化层，结构简单、收敛快，适合做基线；在 32×64 这种小矩阵输入上，它的 5×5 卷积核已经能覆盖足够大的感受野。AlexNet 比 LeNet 深不少，卷积核更大、通道数更多，特征提取能力更强，但参数量和计算量也明显上涨；把它用在流量矩阵上，需要先把输入调整到合适尺寸。GAP 则不是独立的完整网络，而是一个替换掉全连接层的结构设计——把最后一层卷积的特征图直接做全局平均池化，再输出到分类层。

在加密流量这个场景里，GAP 的价值尤其明显。流量数据集的规模通常远小于 ImageNet，训练样本不够多时，全连接层是最容易过拟合的部分：几千个参数去拟合少数样本，训练集准确率漂亮，验证集一塌糊涂。GAP 把全连接层参数几乎清零，让网络更依赖卷积层提取的局部特征，相当于给模型加了一层正则。用这套源码做实验时，可以把三个模型的输出放在一起比较参数量：LeNet 最轻，AlexNet 最重，GAP 融合结构通常比同等深度的全连接版本轻一个量级，而验证集指标不一定输。

3.2 每个目录下的 main.py 怎么跑：命令行参数怎么设

三个模型目录各自有独立的 main.py，参数设计大致一致。先跑基线，再跑增强结构，最后跑 GAP 融合版本，这样一组对照就有了。

# 在 LeNet 目录下跑基线模型 python main.py --data_dir ../data --epochs 50 --batch_size 64 --lr 0.001 # 在 AlexNet 目录下跑增强结构 python main.py --data_dir ../data --epochs 50 --batch_size 64 --lr 0.0005 # 在 GAP 目录下跑融合 GAP 的版本 python main.py --data_dir ../data --epochs 50 --batch_size 64 --lr 0.001

--data_dir 指向 create_train_test_set.py 生成的输出目录，保证三个模型读的是同一份数据；--epochs 设成 50 是这类中小型数据集的常见选择，流量识别任务的收敛速度通常比图像分类快，30 到 50 轮足够看到趋势；--batch_size 设为 64 是兼顾显存和训练稳定性的折中；--lr 这里故意让 AlexNet 用了 0.0005，因为结构变深之后，同样的学习率容易在训练初期震荡。三个模型跑完，对比验证集准确率和 F1，基本能看出结构差异带来的影响。

3.3 训练结束后看什么：metrics.py 的输出与权重保存

训练日志会记录每个 epoch 的 loss 和验证指标，但我不建议只看最后一个 epoch 的结果，因为后期可能已经过拟合。常见做法是保存验证指标最好的那个权重文件，而不是最后一轮；源码里一般用 best_model.pt 来命名这类检查点。加载做推理时，要留意两步：

import torch from model import Net model = Net() checkpoint = torch.load("./best_model.pt", map_location="cpu") model.load_state_dict(checkpoint["model_state_dict"]) model.eval()

torch.load 的 map_location 参数很关键，在 GPU 上训练的权重加载到 CPU 环境推理时，不指定它可能直接报显存相关错误。model.eval() 也必须调用，它会把 Dropout 和 BatchNorm 切到推理模式，不调用 eval 的话，同一批数据每次前向结果都可能不同。metrics.py 在训练结束后会计算准确率、精确率、召回率和混淆矩阵，这三个模型目录里都有同名文件，说明三套结构可以分别输出评估结果，方便横向对比。

4. 避坑指南：加密流量分类最容易翻车的五个原因

这套源码我前前后后跑了三轮，踩过的坑大部分不在模型本身，而在数据和评估上。这里挑五个典型的记录一下，每条按现象、原因、解决的顺序写，方便你对号入座。

4.1 准确率很高但验证集乱跳：类别极端不平衡

现象：训练 loss 下降很平稳，验证准确率却忽高忽低，甚至某些类别永远预测不对。原因：流量数据天然不平衡，某几类应用流量占比极高，模型学成了“多数派分类器”——全预测成占比最高的类别，准确率照样很高，但少数类的召回率接近零。解决：先看类别分布，训练时给少数类更高的采样权重，或者用 WeightedRandomSampler 做重采样；评估时别只看准确率，把 macro-F1 当成主要指标，它会对少数类更敏感。metrics.py 里的精确率和召回率就是用来干这个的。

4.2 验证指标好得离谱，换数据就崩：划分泄漏

现象：验证集准确率 97%，一放到新抓的流量上就掉到 75%，差距大得反常。原因：划分数据时按“包”随机切分，同一个流的前后包被分到了训练集和验证集，模型相当于提前见过了答案。加密流量的时序相关性很强，同一个 TLS 会话里前后的包特征高度相似，这种泄漏在流量识别里特别隐蔽。解决：create_train_test_set.py 必须按流维度划分，一条流的所有包只能落在一个集合里。跑完划分后抽几条流检查一下，确认同一个流标识没有同时出现在两个集合里。

4.3 载荷矩阵大量补零，模型把补零当成了特征

现象：训练曲线很漂亮，但把测试集里偏短的包裁剪到同样长度后，分类结果明显偏向某些类。原因：定长裁剪时，长度不足的包会在右侧补零，补零区域成了稳定不变的“黑色带”。如果不同类别的平均包长不同，卷积核就能靠这个补零区域的分布来分类，相当于学了一个假特征，而不是流量内容。解决：处理时用一个 mask 标记有效长度，让卷积层忽略填充区；或者在预处理阶段直接截断更长的包，而不是所有包都补到同一个长度。GAP 结构在这一点上有个小优势，全局平均池化会天然稀释补零区域的权重，但 LeNet 和 AlexNet 的全连接层会把补零特征放大。

4.4 换了个切片长度，实验结果完全对不上

现象：前一天跑 LeNet 验证 F1 是 0.88，今天换了 packet_slice 从 64 改成 128，所有模型的结果都变了，且不是单调变好。原因：包长分布是加密流量识别里区分度最高的特征之一，切片长度一变，相当于换了一个特征空间。这不是 bug，是流量数据的敏感性。解决：做模型对比实验时，预处理参数一旦定下来就不要动；三个模型必须用同一份中间产物。我一般会把预处理输出固定成文件名里带参数的 .npz，比如 raw_flows_p32_s64.npz，换参数就等于换文件，不会互相覆盖。

提示：readme.txt 里如果写了推荐的预处理参数，优先以它为准。不确定时，从 32 包、64 字节这个常见组合开始，稳定之后再微调。

4.5 显存溢出：不是模型太大，是 batch 太大

现象：AlexNet 目录下训练没跑几步就报 CUDA out of memory。原因：把输入 resize 到 224×224 的 ImageNet 尺寸，再加上默认 batch_size，显存迅速见底。加密流量识别的输入矩阵通常不需要那么大的分辨率，64×64 甚至 32×64 就够用。解决：batch_size 从 64 降到 16 或 8，同时确认数据加载时没有在 Dataset 里做多余的高分辨率变换。如果还想跑大 batch，可以考虑梯度累积，但流量识别这类小数据任务没有这个必要。

5. 把评估落到分类级别：用混淆矩阵定位误报，比盯着准确率有用

训练跑完，准确率只是一个钝指标。在加密流量识别这个任务里，真正有用的是分类级别的评估：看哪两个类别最容易互相混淆，模型在哪些流量上误报，误报成什么类别。混淆矩阵就是做这个的。

metrics.py 里通常会输出一个类别 × 类别的矩阵，行代表真实标签，列代表预测标签。对角线的值越大越好，非对角线的亮点就是你模型最薄弱的地方。具体排查时，我会先把混淆矩阵导出成 CSV，然后按误报数量排序，找出最高的几个非对角项。比如某次实验里发现 SSH 流量经常被预测成 SFTP，这两个协议都属于加密远程管理类，包长分布和方向序列确实接近；在这种情况下，调整预处理参数比换模型结构更有效，因为瓶颈在特征区分度，而不是分类器容量。

定位误报之后，还有一个技巧值得养成：把预测置信度低的样本单独导出，逐个看原始流的信息。一份典型的排查流程是这样：

# 把验证集里置信度低于 0.7 且预测错误的样本单独存出来 def dump_low_confidence_samples(model, dataloader, threshold=0.7): model.eval() with torch.no_grad(): for batch in dataloader: features, labels, flow_ids = batch probs = torch.softmax(model(features), dim=1) conf, pred = probs.max(dim=1) for i in range(len(conf)): if conf[i] < threshold and pred[i] != labels[i]: print(flow_ids[i], labels[i].item(), pred[i].item(), conf[i].item())

这段代码的作用是把低置信度误判样本的 id 和真实、预测标签打出来，方便回到抓包里定位那条流。threshold 参数控制输出范围，设 0.7 是常见起点；如果你发现低置信度误判大多来自某一种协议，可以针对性调整预处理参数，而不必盲目加大模型。

从那以后，我每次跑完加密流量识别项目，都强制走一遍这条流程：看混淆矩阵、按误报数排序、导出低置信度样本、回原始流量核对。这套流程不复杂，但能避免好几次对着准确率盲目调参的弯路，希望帮到你。

本文还有配套的精品资源，点击获取