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！

龙图腾网获悉信联科技(南京)有限公司;北京信联数安科技有限公司申请的专利一种基于深度学习和图神经网络的网络协议逆向解析方法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：CN120321322B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510815256.6，技术领域涉及：H04L69/22；该发明授权一种基于深度学习和图神经网络的网络协议逆向解析方法是由李明柱;张胜;刘瑞斌设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种基于深度学习和图神经网络的网络协议逆向解析方法在说明书摘要公布了：本发明公开了一种基于深度学习和图神经网络的网络协议逆向解析方法，包括基础字段检测：采用滑动窗口嵌入、双向LSTM编码和知识增强型CRF解码对二进制数据流进行字节级特征提取，输出结构化字段标注序列；基于所述序列进行协议格式聚类：通过改进的Needleman‑Wunsch算法计算多维度相似度，结合LSH优化的动态密度聚类算法实现未知协议的自动归类，输出协议簇；基于所述协议簇进行复合结构解析：基于图神经网络构建协议语法树，通过图注意力网络GAT注意力机制进行多轮消息传递，识别嵌套结构并递归解析，生成多层次协议语法树。本发明能够显著提升复杂协议解析的自动化程度与准确性。

本发明授权一种基于深度学习和图神经网络的网络协议逆向解析方法在权利要求书中公布了：1.一种基于深度学习和图神经网络的网络协议逆向解析方法，其特征在于，包括： 步骤1，基础字段检测：采用滑动窗口嵌入、双向LSTM编码和知识增强型CRF解码对二进制数据流进行字节级特征提取，输出结构化字段标注序列，具体的， 步骤1.1，对输入二进制数据流进行滑动窗口处理，对每个中心字节前后2个字节的嵌入向量进行拼接，生成640维组合特征向量，构造局部上下文； 步骤1.2，通过双向LSTM网络提取全局上下文特征，输出512维隐状态序列； 步骤1.3，采用知识增强型CRF解码器，通过动态优先级注入机制调整标签转移权重，输出字段起始偏移量、长度、类型及置信度的四元组序列； 步骤2，基于所述序列进行协议格式聚类：通过改进的Needleman-Wunsch算法计算多维度相似度，结合LSH优化的动态密度聚类算法实现未知协议的自动归类，输出协议簇，具体的， 步骤2.1，将字段标注序列转换为归一化位置与类型的混合表示； 步骤2.2，基于改进的Needleman-Wunsch算法进行多维度对齐，结合类型匹配得分函数和非线性长度惩罚机制计算协议相似度，其中，多特征融合相似度函数的构建具体包括： 步骤2.21，采用改进的Needleman-Wunsch算法对两条标注序列进行全局对齐，其动态规划递推公式为：， 式中，表示两条协议标注序列的前个元素和的个元素进行全局序列对齐时的最大相似度得分，、为序列中的元素，分别为其中类型匹配得分函数M定义为：， 式中表示序列中的第个字段的类型标识，表示序列中的第个字段的类型标识，间隙惩罚系数；步骤2.22，对齐完成后，通过下式计算综合相似度：， 式中，为位置权重，为长度惩罚因子，为类型匹配得分函数，K为字段对齐后得到的匹配字段对的数量，和分别表示第对匹配字段在和中的字段长度，和分别表示第对匹配字段在序列和中的字段类型； 步骤2.3，采用局部敏感哈希LSH优化的动态密度聚类算法，通过邻域半径自适应调节实现协议簇的细粒度划分，包括：初始邻域半径取数据集中两两样本相似度的第i百分位数，在迭代过程中根据簇密度动态收缩：，其中，为新的邻域半径，为当前的邻域半径，为收缩率，为已识别密集簇的样本数，为总样本数；通过动态调整策略，对密集协议进行细粒度划分，同时避免对稀疏协议簇的过分割； 步骤3，基于所述协议簇进行复合结构解析：基于图神经网络构建协议语法树，通过图注意力网络GAT注意力机制进行多轮消息传递，识别嵌套结构并递归解析，生成多层次协议语法树，以表征协议结构。

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信联科技(南京)有限公司;北京信联数安科技有限公司，其通讯地址为：211106 江苏省南京市江宁经济技术开发区东吉大道1号；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”。