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！

龙图腾网获悉上海大学申请的专利基于多模态学习的加密流量分类方法、装置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：CN116451138B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310475221.3，技术领域涉及：G06F18/241；该发明授权基于多模态学习的加密流量分类方法、装置及存储介质是由金彦亮;陈彦韬;高塬设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本基于多模态学习的加密流量分类方法、装置及存储介质在说明书摘要公布了：本发明涉及一种基于多模态学习的加密流量分类方法、装置及存储介质，涉及计算机网络管理技术领域，其中方法包括：采集目标加密流量数据，并通过流量划分和数据清洗获得有效会话；提取有效会话的异构信息，构建由内容矩阵和时序矩阵组成的多模态数据集；利用层级注意力网络依次从数据包级别到会话级别提取内容模态特征；利用时序循环网络提取不同粒度的时序模态特征；基于多模态融合网络对内容模态特征和时序模态特征进行融合，并采用高速网络提取高层多模态特征；基于高层多模态特征，通过输出层输出流量分类概率，实现加密流量分类。与现有技术相比，本发明具有充分考虑层级结构和时序关联特性、提高了针对加密流量数据的分类准确性等优点。

本发明授权基于多模态学习的加密流量分类方法、装置及存储介质在权利要求书中公布了：1.一种基于多模态学习的加密流量分类方法，其特征在于，包括以下步骤： S1、采集目标加密流量数据，并通过流量划分和数据清洗获得有效会话； S2、提取有效会话的异构信息，构建由内容矩阵和时序矩阵组成的多模态数据集； 所述S2包括以下步骤： S21、依次选取每条有效会话的前N个数据包代表整条会话的数据； S22、解析每个数据包的字节内容，提取传输层的有效载荷字节序列，并处理为以太网MTU大小为M的固定长度，从而获得尺寸为N行M列的内容矩阵对应每条有效会话； S23、解析每个数据包的协议头部，提取每个数据包的统计信息序列，所述统计信息序列包括到达时间间隔、数据包方向、长度和TCP窗口大小，将四个统计信息序列进行维度拼接，获得尺寸为N行4列的时序矩阵对应每条有效会话，其中到达时间间隔由相邻数据包的到达时间依次相减确定，数据包方向由分析IP地址推断服务器和客户端身份确定，数据包长度由传输层有效载荷序列的长度确定； S24、将内容矩阵和时序矩阵中的每个元素进行归一化，并按照预配置的比例划分为训练集与测试集，用于训练和测试层级注意力网络、时序循环网络和多模态融合网络； S3、基于多模态数据集，利用层级注意力网络依次从数据包级别到会话级别提取内容模态特征； 所述层级注意力网络包括依次连接的分布式一维卷积模块、分布式注意力机制模块、面向数据包序列的双向GRU模块，基于层级注意力网络提取内容模态特征具体包括以下步骤： S31、利用分布式一维卷积模块依次迭代内容矩阵的每一行，在数据包级别提取每个数据包有效载荷的内容特征； S32、利用分布式注意力机制依次对S31输出的内容特征序列赋予注意力权重，依次将每个内容特征序列上的序列点进行加权求和，转换成高纯度的内容特征向量； S33、将S32获得的每个内容特征向量堆叠成会话级别的内容特征序列，利用双向GRU模块对会话级别的内容特征建模，输出内容模态特征； S4、基于多模态数据集，利用时序循环网络提取不同粒度的时序模态特征； S5、基于多模态融合网络对内容模态特征和时序模态特征进行融合，并采用高速网络提取高层多模态特征； S6、基于高层多模态特征，通过输出层输出流量分类概率，实现加密流量分类。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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”。

以上内容由龙图腾AI智能生成。