本文探讨了Transformer和CNN模型在恶意URL识别中的应用。由于识别恶意流量效率低下，神经网络模型成为解决方案。通过字符级嵌入将URL转化为向量序列，CNN和Transformer分别利用卷积和自注意力机制提取特征，实现正常与恶意流量的分类。

数据增强（DA）在流量分类（TC）任务中显示出显著优势。研究表明，基于时间序列的增强方法更为有效，简单的潜在空间分析能够揭示增强效果。实验结果表明，数据增强显著提升了流量分类性能，推动了自动化数据增强设计的研究。