面向双向流量的多分段BTSFormer智能识别方法

本发明公开了一种面向双流量的多分段BTSFormer智能识别方法，属于网络安全与流量识别领域。本发明通过固定窗口将包长度序列划分为通信阶段子段，分别进行段内时序建模与段间全局语义建模。段内采用嵌入层与多层Bi‑GRU提取上下文特征，段间引入CLS Token并使用多头自注意力机制MSA融合各段行为语义，生成流级别的全局特征向量输入分类器，实现对加密流量应用类别判定；训练阶段采用交叉熵损失结合L2正则化进行优化，确保模型泛化能力与收敛性。本发明仅基于加密通信过程中可观测的包长序列进行建模，不依赖明文内容、IP地址或端口号，兼具隐私保护与部署通用性；模型结构轻量、划分清晰，可部署于边缘设备或安全网关，支持实时流量识别与高并发场景。