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！

龍圖騰網恭喜湖南工商大學申請的專利分布式場景下新類型加密網絡流量包的挖掘和利用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：CN115134128B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202210665404.7，技術領域涉及：H04L9/40；該發明授權分布式場景下新類型加密網絡流量包的挖掘和利用方法是由張平;唐艷艷設計研發完成，并于2022-05-11向國家知識產權局提交的專利申請。

本分布式場景下新類型加密網絡流量包的挖掘和利用方法在說明書摘要公布了：本發明公開了一種分布式場景下的新類型加密網絡流量包挖掘和利用方法。分布式場景下不同網絡節點上檢測出來的新類型流量包中，包含了有價值的模式信息。本發明所設計的方案可以對分布在不同網絡流量監測節點上的新類型加密網絡流量包進行全局一致的類別劃分和類別標簽分配。該方案還可以利用這些標注好的新類型流量包樣本，對現有各類全局模型如：特征向量提取模型、新類型加密網絡流量包檢測模型、現有類型加密網絡流量分類模型等模型進行快速更新，以擴大這些模型的類別識別能力。

本發明授權分布式場景下新類型加密網絡流量包的挖掘和利用方法在權利要求書中公布了：1.一種分布式場景下新類型加密網絡流量包的挖掘和利用方法，其特征在于，包括以下步驟：1準備階段：多個網絡流量監測節點分別對各自負責的不同網絡區域的網絡流量進行監測；各個網絡流量監測節點分別獨立地收集了一定數量的已經進行類別標注的網絡流量包樣本；多個網絡流量監測節點相互協作，訓練出一個新類型網絡流量包檢測模型；所述的新類型網絡流量包是指還沒有任何該類型的網絡流量包樣本被進行類別標注；2新類型流量包檢測：各個節點分別從各自新接收到的網絡流量包中檢測出新類型網絡流量包；新類型流量包的挖掘和利用以周期性性的形式進行，每一輪挖掘和利用操作都以當前周期內檢測出來的所有新類型流量包為基礎進行；3子類別發現：各個節點獨立對本輪檢測出來的新類型流量包進行本地聚類操作；各個節點獨立對各自聚類結果各個子類別樣本分配標簽；本地聚類結果中，相同子類別的新類型流量包樣本，將被分配相同的本地標簽；不同本地子類別的標簽互不相同；4本地子類別特征向量提取：各個節點選擇一個全局統一的基準；各個節點以該全局統一的基準為基礎，分別為各個本地子類別提取全局一致的類別特征向量；各個節點將本地子類別的特征向量，連同它們所對應的本地子類別標簽，一起上傳到匯聚節點；具體步驟如下：4.1全局一致基準模型設計：全局一致的基準模型定義為：y＝fμx＝fefθx＝argmaxsoftmaxfθx；子模型fθ為加密網絡流量包特征提取模型；各個節點使用全局最優的模型參數θ*對子模型fθ進行初始化，子模型fe中不包含待優化的參數，不需要進行初始化處理；4.2子類別增量模型的訓練：各個節點為各自的不同本地子類別樣本，分別獨立訓練一個增量模型；用于增量訓練的優化方程為：4.3基于增量模型的子類別特征提取：各個節點分別從各個子類別模型參數中，按照相同的規則選擇一個參數子集，作為該子類別的特征向量；各個節點將各個本地子類別特征向量和本地子類別標簽一起上傳到匯聚節點；4.4全局一致的子類別標簽分配：匯聚節點以收集到的子類別特征向量為基礎進行所有本地子類別進行全局性聚類，并根據全局性聚類結果為每個全局性子類別分配不同的全局性標簽；匯聚節點根據收集到子類別的本地標簽和重新分配的全局標簽，為各個節點的本地子類別建立本地子類別標簽和全局性標簽的映射方案，并將該映射關系反饋給對應的節點；各個節點根據接收到的映射方案，將各自樣本的本地類別標簽修改成全局性類別標簽。5全局一致性類別標注：匯聚節點以收集來自不同節點的子類別特征向量和本地標簽信息；匯聚節點對收集到的所有子類別特征向量為基礎，進行全局性聚類；匯聚節點為全局性聚類結果中的各個子類別分配全局性標簽；匯聚節點為各個節點建立起本地標簽和全局標簽的映射方案，并將該映射方案分別返回給相應的節點；各個節點利用接收到的映射方案，為各個子類別樣本分配全局性標簽；6模型更新：多個網絡流量監測節點，對模型進行擴展，并利用各自收集的已經分配了全局性標簽的樣本，采用協同合作的方式，對擴展后的模型進行訓練，直到模型收斂或者達到一個預先設定的誤差閾值；具體步驟如下：6.1模型的擴展：根據新增類別的總數和新增樣本的總數，對模型進行擴展；當新增加的類別數量和樣本數量較少時，增加模型的輸出層神經元的數量；當新增加的類別數量和樣本數量非常多時，還需要增加中間層進行層次數量或各層次神經元的數量；6.2模型初始化：對經過模型的擴展的模型中的原有基礎模型參數，使用現有的最優特征參數進行初始化；對于模型擴展部分的各個神經元參數，使用隨機數進行初始化；6.3優化方程：優化方程定義為其中f′θ是經過擴展的模型；6.4模型訓練：多個網絡流量監測節點，利用各自收集的已經分配了全局標簽的樣本，采用協同合作的方式，對擴展后的模型進行訓練，直到模型收斂或者達到一個預先設定的誤差閾值。

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湖南工商大學，其通訊地址為：410205 湖南省長沙市岳麓區岳麓大道569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”。