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！

龍圖騰網恭喜東南大學申請的專利一種基于加密流量分析的RTC媒體流實時應用識別方法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：CN115174134B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202210529426.0，技術領域涉及：H04L9/40；該發明授權一種基于加密流量分析的RTC媒體流實時應用識別方法是由吳樺;祝成飛;程光;胡曉艷設計研發完成，并于2022-05-16向國家知識產權局提交的專利申請。

本一種基于加密流量分析的RTC媒體流實時應用識別方法在說明書摘要公布了：本發明公開了一種基于加密流量分析的實時通信RTC媒體流實時應用識別方法。該方法首先借助時間窗口將流量劃分成流量塊，以便根據任意一個塊的流量進行分類工作；然后在每個時間窗口劃分的流量塊中，對單元時間內的數據包進行聚合，從聚合的數據包中提取特征，從而將原始的流量數據表征成特征向量；為了減少內存和功率的消耗，本發明設計了一種輕量級的一維卷積神經網絡分類模型，從淺層的特征中自動學習流量的深層高階特征，實現流量的準確實時分類。本發明提供的方法基于單向的數據流，因此適用于非對稱的網絡結構。該方法可以從混雜著各種應用的媒體流量中實時識別出媒體流量的所屬應用，可用于網絡的流量分析和用戶服務質量的保證。

本發明授權一種基于加密流量分析的RTC媒體流實時應用識別方法在權利要求書中公布了：1.一種基于加密流量分析的RTC媒體流實時應用識別方法，其特征在于，該方法包括以下步驟：步驟1獲取雙方通信的RTC流量數據，按照五元組統計單向的數據流；步驟2借助滑動時間窗口，將流量切分成相同時間長度的流量塊；步驟3基于步驟2的結果，在每個流量塊內，按照數據流對單元時間內的數據包進行聚合，提取聚合數據包的特征，得到時間窗口內的特征序列；步驟4設計了輕量級的1DCNN神經網絡模型，以聚合數據包的特征序列作為輸入進行模型訓練，進行有監督的深度學習，得到訓練好的分類模型；步驟5使用步驟4中的分類模型對未參與訓練的測試數據進行分類；步驟1中，統計RTC數據流的方法如下：1.1選定待分類的社交軟件并捕獲特定媒體流的數據，得到帶標簽的社交軟件的媒體流數據集，將數據集手動劃分為訓練集和測試集；1.2對用戶行為持續時間內涉及到的所有五元組數據流即源IP，源Port，目的IP，目的Port，傳輸協議進行統計，并根據媒體流的類型和所屬的應用程序添加標簽，步驟2中，基于時間窗口的流量切分方法如下：2.1首先需要設定時間窗口的大小，設置時間長度的大小為Ts，從用戶活動時間內的第一個開始傳輸的數據包開始以步長Ts滑動至最后一個數據包傳輸結束，將流量劃分成時間等長的流量塊，每個塊內包含多條數據流，在第i個流量塊內，如公式1所示，根據五元組統計的所有數據流的集合為Fi，流集Fi中的第j條流表示為fij，代表第i個流量塊的第j條流，公式2中，表示第i個流量塊內第j條數據流fij的第一個數據包，fij由對應流量塊內該數據流的所有數據包構成；Fi＝{fi1,fi2,...fij,...}1 步驟3中流量塊內聚合數據包特征提取的具體實現步驟如下：3.1步驟2將流量劃分成了等時間長度的流量塊，每個塊內包含多條數據流，針對數據流fij，對其單元時間Tu內的所有數據包進行聚合，計算數據包大小的總和，得到的聚合數據包的數據量即為該單元時間內的特征值，如公式3所示，數據流fij的第m個特征值是第m個單元時間Tu內所有數據包大小的總和，其中和分別表示第m個時間單元Tu內數據流fij的第一個和最后一個數據包； 3.2針對流量塊內的每條數據流，按照時間順序依次統計每單元時間Tu內聚合數據包的特征值，最終得到公式4中的特征序列它由每個單元時間的特征值構成，另外，每個流量塊得到的特征序列的個數與該流集中數據流的條數相等，

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東南大學，其通訊地址為：210096 江蘇省南京市玄武區四牌樓2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”。