네트워크의 발전으로 네트워크의 사용량이 늘어나고 있고 편의성을 제공하기 위한 다양한 응용 프로그램들이 사용되고 있다. 이에 따라 트래픽 발생량이 증가하고 있으며, 대용량 트래픽의 운용과 관리를 위한 응용 트래픽 분류가 필요하다. 응용 트래픽 분류 분야에서 암호화된 트래픽의 등장으로 머신 러닝 및 딥 러닝 환경에서 트래픽을 분류하는 연구들이 진행되고 있다. 이미지 분류 분야에서 성공적인 분류 모델들이 나타나면서 응용 트래픽 분류에도 적용되고 있고 분류 정확도를 높인 연구들이 많다. 정확도를 향상시키기 위한 모델 구조의 반복, 추가적인 연산 등을 통한 성능 향상은 정확도가 높아지지만 모델의 크기가 커지면서 속도가 느려지는 단점이 발생한다. 실제 네트워크 환경에서 발생하는 트래픽을 빠르게 처리하는 것은 서비스 품질 향상의 측면과 네트워크 보안 측면에서 필요한 연구이다. 하지만 트래픽 분류 분야에서 처리 속도와 관련된 연구는 부족하다. 본 논문은 다양한 네트워크 관리 환경에서 적용될 수 있는 순차적인 모델 사용을 통한 응용 트래픽 분류 처리 속도를 개선하는 방법을 제안한다.