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！

龙图腾网获悉南昌大学申请的专利基于双重邻接图嵌入学习的加密恶意流量检测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：CN121309218B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511853549.X，技术领域涉及：H04L9/40；该发明授权基于双重邻接图嵌入学习的加密恶意流量检测方法及系统是由邵强兵;邵国林设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于双重邻接图嵌入学习的加密恶意流量检测方法及系统在说明书摘要公布了：本申请属于网络安全技术领域，公开了基于双重邻接图嵌入学习的加密恶意流量检测方法及系统，该方法包括：获取原始加密网络流量数据后预处理，生成多个IP地址节点的初始特征矩阵；采用第一图卷积网络对初始特征矩阵和静态拓扑邻接矩阵进行处理，得到静态拓扑特征的向量表示；采用第二图卷积网络对初始特征矩阵和动态行为邻接矩阵进行处理，得到动态行为特征的向量表示；将静态拓扑特征的向量表示与动态行为特征的向量表示拼接，得到融合特征表示；基于融合特征表示训练分类模型，并利用训练后的分类模型对加密网络流量进行恶意与否的分类检测。本发明有效融合了网络流量的空间结构信息与行为时序信息，提升了对加密恶意威胁的识别能力。

本发明授权基于双重邻接图嵌入学习的加密恶意流量检测方法及系统在权利要求书中公布了：1.一种基于双重邻接图嵌入学习的加密恶意流量检测方法，其特征在于，包括以下步骤： 获取原始加密网络流量数据，并进行预处理，提取多个IP地址节点的初始特征，得到初始特征矩阵； 基于所述初始特征矩阵，并行执行静态拓扑邻接学习与动态行为邻接学习： 执行静态拓扑邻接学习，构建静态拓扑邻接矩阵，并采用第一图卷积网络对所述初始特征矩阵和所述静态拓扑邻接矩阵进行处理，得到静态拓扑特征的向量表示，具体包括：将网络中的IP地址抽象为图节点，构建静态拓扑图；其中，当第一IP地址节点与第二IP地址节点连接至一个共同的目的IP地址时，在所述静态拓扑邻接矩阵中将第一IP地址节点与第二IP地址节点之间的连接关系设定为存在连接；对所述静态拓扑邻接矩阵进行规范化处理，包括：通过对称化处理确保邻接矩阵的对称性，以及采用对称归一化技术处理所述对称化处理后的邻接矩阵；在训练阶段，对训练集中的IP地址节点施加标签一致性约束，对所述静态拓扑邻接矩阵进行调整：若两个IP地址节点具有相同的恶意或正常标签，则增强其连接权重；若标签不同，则减弱其连接权重；将所述规范化处理并施加标签一致性约束后的静态拓扑邻接矩阵与所述初始特征矩阵输入至所述第一图卷积网络，通过多层特征传播学习得到所述静态拓扑特征的向量表示； 执行动态行为邻接学习，构建动态行为邻接矩阵，并采用第二图卷积网络对所述初始特征矩阵和所述动态行为邻接矩阵进行处理，得到动态行为特征的向量表示，具体包括：对所述初始特征矩阵中的连续行为特征进行离散化处理，得到分箱后的行为特征；基于所述分箱后的行为特征，选择重要箱体并进行证据权重WOE量化，构建节点的行为特征矩阵；计算任意两个IP地址节点在所述行为特征矩阵中的行为相似度；通过动态阈值处理将所述行为相似度转换为所述动态行为邻接矩阵，其中，当两个节点的行为相似度大于预设阈值时，则在所述动态行为邻接矩阵中设定为存在连接；将所述动态行为邻接矩阵与所述初始特征矩阵输入至所述第二图卷积网络，学习得到所述动态行为特征的向量表示； 将所述静态拓扑特征的向量表示与所述动态行为特征的向量表示进行特征拼接，得到融合特征表示； 基于所述融合特征表示训练分类模型，并利用训练完成的所述分类模型对加密网络流量进行恶意与否的分类检测。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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。