Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京邮电大学李小勇获国家专利权

北京邮电大学李小勇获国家专利权

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!

龙图腾网获悉北京邮电大学申请的专利基于CNN-Linformer模型的浏览器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:CN116310728B

龙图腾网通过国家知识产权局官网在2025-08-05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:202310311808.0,技术领域涉及:G06V10/82;该发明授权基于CNN-Linformer模型的浏览器识别方法是由李小勇;谭韵;袁开国;高雅丽;李灵慧设计研发完成,并于2023-03-28向国家知识产权局提交的专利申请。

基于CNN-Linformer模型的浏览器识别方法在说明书摘要公布了:本发明公开了一种基于CNN‑Linformer模型的浏览器识别方法,先通过CNN提取输入数据的时序特征,再通过Linformer的线性注意力聚焦重要的特征,提高了模型的准确率,并通过多头注意力对数据进行并行计算,提高了模型的训练速度。同时,通过删除Linformer中的解码器部分、输入嵌入部分和位置编码部分对Linformer进行简化,降低了模型的复杂度进而提高计算的速度。此外,本发明针对现有的其他方法没有全面考虑各种伪指纹技术带来准确率下降的问题,利用了随机化属性值和添加噪声两种伪指纹技术对原始数据集进行数据增强,然后使用含有正常指纹和伪指纹的增强数据集对CNN‑Linformer模型进行了训练。本方法具有准确率高和识别速度快的优点,在伪指纹场景下具有良好的鲁棒性。

本发明授权基于CNN-Linformer模型的浏览器识别方法在权利要求书中公布了:1.一种基于CNN-Linformer模型的浏览器识别方法,其特征在于,包括如下步骤: 对于未知的指纹fu,首先遍历指纹链集合C中的每个指纹链ck= fk,t,fk,t-1,fk,t-2,fk,t-3,将未知的指纹fu和指纹链ck通过生成输入向量算法生成输入向量Vinput=[It,It-1,...,It-i+1],其中i是指纹链的长度,t是当前的时间戳,It=diffft-1,ft代表两个指纹的比较结果,diff表示一个由M个特征组成的单一特征向量I=x1,x2,...,xM,xn是两个指纹的第n个特征的比较结果,diff方法采用计算两个特征之差的绝对值的方法;所述指纹链是根据指纹获取时间的先后,将拥有同一ID的指纹链接起来形成,每一个浏览器指纹都有一个ID,该ID关联到拥有相同ID的浏览器实例,一个浏览器实例拥有一个指纹链;所述指纹链集合C包含所有已链接到浏览器实例的指纹; 然后将Vinput输入CNN-Linformer模型,通过CNN提取输入数据的时序特征,再通过Linformer的线性注意力聚焦重要的特征,并通过多头注意力对数据进行并行计算,得到未知的指纹fu是否属于指纹链ck的概率p;若pλ,则表示未知的指纹fu属于指纹链ck,将指纹链ck的ID赋值给未知的指纹fu,并将未知的指纹fu插入指纹链ck的末尾,删除指纹链ck中头部的指纹;若p≤λ,则生成新的ID赋值给fu,并生成新的指纹链fu加入到指纹链集合C中,λ为设置的概率阈值;所述CNN-Linformer模型包涵一个重塑层Bridge,用于重塑来自CNN的输出,以匹配Linformer的输入大小;Linformer层只采用了1个编码器块,Linformer的输出最后通过一个由Softmax激活的线性层来产生二进制分类结果; 所述CNN-Linformer模型的构建步骤如下: 1选用数据集:将浏览器指纹数据集作为原始数据集Fraw; 2数据增强:利用随机化属性值或添加噪声的伪指纹技术对原始数据集Fraw进行数据增强,获得增强数据集Faug; 3数据预处理:按照规则对增强数据集Faug中的指纹进行筛选,得到浏览器指纹数据集Ftemp,并对浏览器指纹数据集Ftemp进行特征正则化; 4特征选择:根据指纹特征的信息熵进行特征选择,将选择的指纹特征以及在数据增强时获得的特征共同构成多个有时序关系的指纹比较向量; 5生成输入向量:将多个有时序关系的指纹比较向量转化为一个二维矩阵Vinput=[It,It-1,...,It-i+1],作为CNN-Linformer模型的输入向量; 6训练CNN-Linformer模型:构建数据集Ftemp正负样本,作为后续训练和测试的新数据集F,在新数据集F中随机选择20%的数据作为训练集,其余80%作为测试集,使用训练数据对模型进行训练,得到训练完的模型并保存,然后利用模型对测试数据进行分类,得到分类结果并进行结果分析。

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北京邮电大学,其通讯地址为:100876 北京市海淀区西土城路10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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。