買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學;杭州高新區(濱江)區塊鏈與數據安全研究院申請的專利一種基于增量學習的惡意加密流量檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119316233B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411855149.8，技術領域涉及：H04L9/40；該發明授權一種基于增量學習的惡意加密流量檢測方法及系統是由張偉業;譚浩瀚;劉振廣;陳建海;任奎設計研發完成，并于2024-12-17向國家知識產權局提交的專利申請。

本一種基于增量學習的惡意加密流量檢測方法及系統在說明書摘要公布了：本發明公開了一種基于增量學習的惡意加密流量檢測方法及系統，屬于網絡安全技術領域。采用雙層嵌套的數據組織結構將原始流量處理為標準化特征序列，構建樣本集；利用樣本集對惡意流量檢測模型進行預訓練；對預訓練后的惡意流量檢測模型采用增量學習方式優化模型參數，在增量學習過程中設有用于存儲歷史訓練樣本及其模型輸出結果、樣本標簽的經驗緩沖區，并隨著模型參數優化過程不斷更新；結合動態經驗回放、穩定性約束和雙層元更新機制，解決模型在持續學習過程中的災難性遺忘問題；最后使用訓練完畢的上述模型對待檢測數據進行檢測。本發明能夠有效提升惡意加密流量的檢測準確性，并通過增量學習保持模型的持續適應能力，具有良好的實用價值。

本發明授權一種基于增量學習的惡意加密流量檢測方法及系統在權利要求書中公布了：1.一種基于增量學習的惡意加密流量檢測方法，其特征在于，包括以下步驟：（1）采用雙層嵌套的數據組織結構將原始流量處理為標準化特征序列，所述原始流量包括正常加密流量和惡意加密流量，構建樣本集；所述的雙層嵌套的數據組織結構包括外層的網絡流對象和內層的數據突發對象，所述的網絡流對象的特征包括會話標識信息、時間序列信息、統計計量信息和用于存儲原始流量包含的所有數據突發對象的突發序列容器；所述的數據突發對象的特征包括方向標識信息、時間戳信息、以及數據突發對象所包含的所有數據包數量和累積字節長度；（2）利用樣本集對惡意流量檢測模型進行預訓練；（3）對預訓練后的惡意流量檢測模型采用增量學習方式優化模型參數，在增量學習過程中設有用于存儲歷史訓練樣本及其模型輸出結果、樣本標簽的經驗緩沖區，所述的經驗緩沖區隨著模型參數優化過程不斷更新；所述的采用增量學習方式優化模型參數，包括：在模型分類損失的基礎上，采用穩定性約束機制限制歷史訓練樣本的模型輸出結果的波動程度并計算穩定性約束損失，采用經驗回放機制自適應調整從經驗緩沖區的采樣數量并計算經驗回放損失；結合所述的模型分類損失、穩定性約束損失和經驗回放損失，采用雙層元更新機制迭代優化批內模型參數和批間模型參數；（4）利用參數優化后的惡意流量檢測模型檢測加密流量是否為惡意加密流量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學;杭州高新區(濱江)區塊鏈與數據安全研究院，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。