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！

龙图腾网获悉江苏大学申请的专利一种基于小样本机器学习的匿名网络流量分类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：CN115913992B 。

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：202211592847.4，技术领域涉及：H04L41/14；该发明授权一种基于小样本机器学习的匿名网络流量分类方法是由周强;王良民;路通;朱会娟;冯丽;宋香梅;申屠浩设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种基于小样本机器学习的匿名网络流量分类方法在说明书摘要公布了：本发明公开一种基于小样本机器学习的匿名网络流量分类方法，将采集的流量数据与待分类的数据通过深度神经网络映射到特征空间，原始标注数据用于深度分类模型预训练，少量新采集的标注数据用于在特征空间中计算流量数据特征的类别中心，以该类别中心作为待分类目标流量数据的聚类中心进行聚类，对待分类的目标流量数据赋予伪标签，通过优化原始标注流量数据的和目标伪标注数据的分类损失函数，完成原始标注数据的知识迁移，从而降低数据时效对模型的影响，消除因数据时效性带来的训练数据和待分类数据分布差异问题。本发明解决了由于匿名系统更新而导致原始采集的流量序列数据时效性降低，从而使得匿名网络流量分类算法性能下降的问题。

本发明授权一种基于小样本机器学习的匿名网络流量分类方法在权利要求书中公布了：1.一种基于小样本机器学习的匿名网络流量分类方法，其特征在于：包括以下步骤： 步骤1、收集网络流量，得到原始流量序列Xs、新采集的少量标注流量X′s以及待分类流量序列Xt； 其中，原始流量序列Xs的数据均带有标注：n是指原始流量序列数据的个数，和分别表示流量序列的记录和对应标注；新采集的少量标注流量表示为：待分类流量序列表示为：N为新采集的少量标注样本的数据，m为待分类的数据样本数目； 步骤2、构建分类模型 将特征提取器G与任务分类器C拼接构成分类模型，其中特征提取器G采用深度卷积网络，任务分类器C包括两层全连接的神经网络； 步骤3、预训练分类模型 将带标注的原始流量序列Xs的数据输入到分类模型，基于得到的原始流量数据类别预测概率和真实标签计算分类损失函数，对上步构建的深度分类模型进行预训练； 步骤4、训练分类模型 步骤4.1将有标注的原始流量序列Xs和新采集的少量标注流量X′s通过神经网络映射到特征空间中，计算新采集的少量标注流量序列特征的各个类别中心点； 步骤4.2以得到的类别中心点作为新采集的待分类流量序列特征的聚类中心点，计算各个待分类的流量序列特征到各个聚类中心点距离，赋予待分类序列特征最近类别中心的类别标签，该类别标签作为待分类流量序列的伪标签； 步骤4.3将特征空间的特征经过分类器映射后得到类别预测概率，通过伪标签和预测概率计算聚类损失函数；根据得到的聚类适配损失，更新特征提取器G与任务分类器C的网络权重； 循环步骤4.1至步骤4.3多次以完成模型训练。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。