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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于小样本增量学习的未知加密流量识别方法、系统及存储介质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：CN120602237B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202511100443.2，技术领域涉及：H04L9/40；该发明授权一种基于小样本增量学习的未知加密流量识别方法、系统及存储介质是由顾钊铨;陈翊璐;肖雨佳;李若南;刘玲;石雨佳;李金龙;刘莅辰设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本一种基于小样本增量学习的未知加密流量识别方法、系统及存储介质在说明书摘要公布了：本发明提供了一种基于小样本增量学习的未知加密流量识别方法、系统及存储介质，该方法包括：步骤1，已知流量的细粒度分类：提取原始加密流量的各层级特征，为每类已知流量建立各自变分自编码器，生成潜在表示，输入到分类器中细粒度分类已知攻击；步骤2，未知流量的具体标签分配：采用评分函数判定样本是否为漂移样本或者未知样本，对这些样本按照各层级特征进行分层聚类，实现未知流量的标签分配；步骤3，分类模型的动态更新：采用新样本训练新分类器后，其他分类器相互连接构成分类图，采用图注意力网络更新分类器节点，实现小样本增量学习。本发明的有益效果是：有效支持新类的低样本增量建模，显著提升了细粒度识别能力和模型泛化适应性。

本发明授权一种基于小样本增量学习的未知加密流量识别方法、系统及存储介质在权利要求书中公布了：1.一种基于小样本增量学习的未知加密流量识别方法，其特征在于，包括： 步骤1，已知流量的细粒度分类：提取原始加密流量的各层级特征，为每类已知流量建立各自变分自编码器，生成潜在表示，输入到分类器中细粒度分类已知攻击； 步骤2，未知流量的具体标签分配：采用评分函数判定样本是否为漂移样本或者未知样本，对这些样本按照各层级特征进行分层聚类，实现未知流量的标签分配； 步骤3，分类模型的动态更新：采用新样本训练新分类器后，其他分类器相互连接构成分类图，采用图注意力网络更新分类器节点，实现小样本增量学习； 在所述步骤1中，还包括： 步骤A1：分别提取网络流在流级、数据包级和字节级的多模态特征，包括流级的序列特征、数据包报头的文本特征和负载字节多图像特征； 步骤A2：设计多模态解耦变分自编码器分别对网络流在流级、数据包级和字节级的模态特征进行编码，获得每种模态的共享潜在变量与私有潜变量，然后得到加密流的融合语义特征表示； 步骤A3：基于每类已知流量的融合特征，构建对应的原型向量，分类器通过计算输入样本与各原型之间的距离，判断样本是否属于对应已知类或者未知流量； 在所述步骤2中，还包括： 步骤B1：在流级聚类阶段，利用提取的流级序列特征对未知样本进行第一层粗粒度聚类，初步划分出具有行为差异的子群体； 步骤B2：对每个粗粒度簇中的样本，进一步使用数据包报头中的文本信息进行中粒度聚类，细化网络协议行为模式； 步骤B3：根据负载字节所构建的图像特征进行第三层细粒度聚类。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。

以上内容由龙图腾AI智能生成。