面向动态网络场景的流量分类模型持续学习方法

本申请公开了一种面向动态网络场景的流量分类模型持续学习方法，属于网络流量分类领域。本申请所提方法旨在提供一种模型持续学习框架，使得预先训练的网络流量分类模型在复杂多变的网络环境中任然能够保持较好的性能。本申请所提方法基于测试时间域适应技术，构建教师‑学生模型架构，通过对逐步到达的每个数据批次进行学习，模型能够适应数据分布的持续变化，从而减少模型对静态数据集的依赖，增强其在现实场景中的适应性。通过这种学习机制，模型能够更好地应对现实场景中网络流量模式的演变，确保分类结果的准确性和可靠性。