用于动态恶意流量分类的增量学习方法、装置和电子设备

本申请涉及一种用于动态恶意流量分类的增量学习方法、装置和电子设备，该方法构建了用于动态恶意流量分类的增量学习模型，包括：用于将原始流量转换为图像格式的流量特征转换模块、用于从图像格式数据中提取可扩展特征的动态可扩展特征提取模块、分类器学习模块；采用原始网络流量对增量学习模型进行初步训练；持续判断是否有新类别数据到来，如果有，则将新特征提取器扩展到现有动态可扩展特征提取模块，冻结现有动态可扩展特征提取模块，采用新类别数据和原训练样本的示例集训练当前时刻增量学习模型；如果没有，则对网络流量数据进行分类。本方法在不忘记以前学到的旧知识的情况下逐步获得新知识，保持了高性能和稳定的持续学习能力。