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！

龙图腾网获悉湖南科技大学申请的专利一种基于跨窗口特征提取的网站指纹识别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：CN121509123B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610047160.4，技术领域涉及：H04L9/40；该发明授权一种基于跨窗口特征提取的网站指纹识别方法是由刁祖龙;李先军;梁伟;余周博;李九龙;赵亚茹设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种基于跨窗口特征提取的网站指纹识别方法在说明书摘要公布了：本发明公开了一种基于跨窗口特征提取的网站指纹识别方法，属于网络流量分析技术领域。本发明通过固定时长基本时间片划分原始流量，并依据待聚合时长自适应聚合生成可变窗口，提取各窗口内数据包数量作为局部统计特征；进而，构建窗口索引数组并利用向量化直方图操作进行跨窗口依赖跟踪，以建模流量序列的长程宏观时序依赖关系；系统层面通过并行计算与矩阵运算对特征提取全过程进行加速。本发明通过融合局部统计规律与全局依赖关系，能够有效抵抗流量填充、延时发送、多标签页并发浏览及流量分割转发等多种主动防御机制的干扰，显著提升了加密流量特征提取的效率和鲁棒性，增强了行为识别模型在真实复杂网络环境中的实际部署适应性。

本发明授权一种基于跨窗口特征提取的网站指纹识别方法在权利要求书中公布了：1.一种基于跨窗口特征提取的网站指纹识别方法，其特征在于，包括以下步骤： 步骤S1、获取网络流量轨迹数据，其中每个数据包包含时间戳和带符号的包信息，的符号标识数据包传输方向，代表出站数据包，代表入站数据包，表示数据包的大小； 步骤S2、基于所述网络流量轨迹，将最大轨迹长度设置为超参数，若实际轨迹长度时，则对轨迹数据执行截断操作，仅保留前个数据包； 步骤S3、对步骤S2处理后的轨迹数据进行无效记录过滤，移除其中时间戳的数据包，得到有效记录索引集合； 步骤S4、若步骤S3得到的有效记录索引集合非空，则基于从原始轨迹中提取有效时间戳数据与有效包信息数据； 步骤S5、执行归一化计算：根据预设的最大加载时间，对步骤S4提取的原始时间戳序列中的每一个元素进行线性映射，得到归一化时间戳序列，具体的映射公式如下：，其中，表示归一化时间戳序列中的第k个元素； 步骤S6、将步骤S5得到的归一化时间戳序列通过线性变换和向下取整操作映射为离散的窗口索引：，其中为预设的最大窗口数量；随后对进行裁剪，使其所有元素的值域限定在区间内； 步骤S7、根据步骤S4提取的有效包信息数据中各元素的符号，区分出站记录与入站记录，并对应定义出站记录索引集合及入站记录索引集合； 步骤S8、基于步骤S6得到的窗口索引及步骤S7定义的索引集合与，采用向量化直方图统计操作，分别计算每个时间窗口的出站数据包数量特征与入站数据包数量特征，具体计算公式如下： ； ； 其中，是根据出站索引集合所获取的对应的窗口索引数组，是根据入站索引集合所获取的对应的窗口索引数组，是调用的向量化直方图统计函数； 步骤S9、基于步骤S6得到的窗口索引、步骤S4提取的有效包信息数据，以及步骤S7定义的索引集合与，采用加权直方图操作分别计算每个时间窗口的出站数据包总大小特征与入站数据包总大小特征，具体计算公式如下： ； ； 其中，是根据出站索引集合所获取的对应的包大小数组，是根据入站索引集合所获取的对应的包大小数组，是调用的加权直方图函数，对取负号旨在保证入站数据包总大小特征值为正； 步骤S10、识别所有包含至少一个数据包的非空窗口，获取其窗口索引的唯一排序集合，记为，其中是调用的升序排序函数； 步骤S11、当非空窗口的数量时，计算连续非空窗口之间的索引差值，其中Diff是计算连续非空窗口索引的差值数组的方法表示，并将这些差值赋给对应窗口的间隔特征，其中，表示所有窗口对应的间隔特征向量，表示非空窗口索引序列中去除第一个元素后的子序列； 步骤S12、构建特征矩阵，其中每一行对应一个时间窗口，包含出站包数、入站包数、出站总大小、入站总大小以及窗口间隔五个特征，依次对应于向量：； 步骤S13、对特征矩阵进行对数变换，将变换后的结果作为特征表示，以提升数值稳定性，并方便后续机器学习模型处理。

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湖南科技大学，其通讯地址为：411100 湖南省湘潭市雨湖区石马头；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。