买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东联想懂的通信有限公司申请的专利一种基于流量分析的终端设备分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119128678B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411146094.3，技术领域涉及：G06F18/2415；该发明授权一种基于流量分析的终端设备分类方法及系统是由周萌;高林;陈金娟;李飞设计研发完成，并于2024-08-20向国家知识产权局提交的专利申请。

本一种基于流量分析的终端设备分类方法及系统在说明书摘要公布了：本发明公开了一种基于流量分析的终端设备分类方法及系统，通过将CNN的特征提取能力、模糊决策的鲁棒性和注意力机制的聚焦能力相结合，基于网络流量数据对待测设备进行分类，提高了待测设备分类的准确性。不仅提升了分类的准确性和鲁棒性，还增强了模型的解释性和适应性，优化了计算效率，并改善了用户体验。通过这种综合性的方法，终端设备分类技术能够更好地应对日益复杂的应用需求，为未来的智能系统发展奠定坚实基础。

本发明授权一种基于流量分析的终端设备分类方法及系统在权利要求书中公布了：1.一种基于流量分析的终端设备分类方法，其特征在于，所述方法包括： 获得待测设备的网络流量数据； 将网络流量数据输入预先训练好的设备预测网络中，设备预测网络对网络流量数据特征提取，获得网络流量特征；基于网络流量特征获得预测概率向量，预测概率向量包括多个预测概率值，每个预测概率值对应一个设备类型； 将网络流量特征转化成模糊值； 对模糊值进行模糊推理，获得推理概率向量，推理概率向量包括多个推理概率值，每个推理概率值对应一个设备类型； 基于预测概率向量和推理概率向量获得注意力权重向量；基于注意力权重向量调整预测概率向量，获得设备分类概率向量；设备分类概率向量包括多个分类概率值，每个分类概率值对应一个设备类型； 以设备分类概率向量中最大的分类概率值对应的设备类型作为待测设备的类型； 设备预测网络的训练方法包括： 设备预测网络包括输入层、多个卷积层、多个池化层、全连接层和输出层，多个卷积层和多个池化层交叉设置； 获得训练集，训练集包括多个训练设备的网络流量数据；多个训练设备中存在设备类型不同的训练设备，每个训练设备被预先标记了设备类型；每个设备类型对应一个设备标记值；多个训练设备的设备标记值构成训练类型向量； 通过输入层对训练集进行数据对齐处理，获得对齐训练数据； 通过卷积层对齐训练数据进行卷积操作，获得卷积特征； 通过池化层对卷积数据进行池化操作，获得池化数特征； 通过全连接层将池化数特征转化成训练预测向量，通过输出层输出训练预测向量；练预测向量包括多个训练概率，每个训练概率对应一个设备类型；训练预测向量与训练设备一一对应； 将池化数据特征转化成训练模糊值； 对训练模糊值进行模糊推理，获得训练推理向量；训练推理向量包括多个训练概率值，每个训练概率值对应一个设备类型；训练推理向量与训练设备一一对应； 基于练预测向量和训练推理向量获得训练注意力权重向量；基于训练注意力权重向量调整训练预测概率向量，获得训练设备分类概率向量；训练设备分类概率向量包括多个训练分类概率值，每个训练分类概率值对应一个设备类型；训练设备分类概率向量与训练设备一一对应；基于训练设备分类概率向量获得模型损失函数； 若模型损失函数收敛，确定设备预测网络训练结束； 基于练预测向量和训练推理向量获得训练注意力权重向量，包括： 获得练预测向量与训练推理向量的点积相似度：Si，j＝Pi·Ij，其中Pi表示训练预测向量的第i个元素，Ij表示训练推理向量的第j个元素，i和j的取值为正整数；Si，j表示训练预测向量的第i个元素与训练推理向量的第j个元素的点积相似度； 基于点积相似度获得注意力分数：Ai，j＝fSi·j，其中Ai，j是训练预测向量的第i个元素与训练推理向量的第j个元素的注意力分数；fSi，j是RELU函数； 归一化权重：其中，αj是训练推理向量的第j个元素Ij的注意力权重，k的取值为1，2，......，N，N为训练推理向量的元素的数量；N为正整数； 以多个归一化权重作为训练注意力权重向量的元素构成训练注意力权重向量； 基于训练注意力权重向量调整训练预测概率向量，获得训练设备分类概率向量，包括： 对训练注意力权重向量和训练预测概率向量进行叉乘运算，获得训练设备分类概率向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东联想懂的通信有限公司，其通讯地址为：511455 广东省广州市南沙区翠樱街1号彩汇中心31栋(B栋)19层1901室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。