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！

龙图腾网获悉西安电子科技大学申请的专利基于流量图像与低频信息的多模态加密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：CN116383744B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310320229.2，技术领域涉及：G06F18/2433；该发明授权基于流量图像与低频信息的多模态加密网络流量分类方法是由郑昱;练兴林;邓菲;党张轩;王家辉;荆久耀;孙雅霖;杨超设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于流量图像与低频信息的多模态加密网络流量分类方法在说明书摘要公布了：本发明涉及一种基于流量图像与低频信息的多模态加密网络流量分类方法，包括：构建训练数据集，训练数据集为单类型的流量数据；构建多模态网络，其中，多模态网络包括：二维流量图像异常检测模型和低频信息异常检测模型，二维流量图像异常检测模型和低频信息异常检测模型的结构相同，均为基于GAN和AE的异常检测学习网络；利用训练数据集对多模态网络进行训练，得到训练完成的多模态网络模型；利用训练完成的多模态网络模型对待测的流量数据进行分类识别。本发明的多模态加密网络流量分类方法，通过异常检测网络即可自动学习加密流量特征，从而减少了特征工程的难度和复杂度，节省了加密网络流量分类所需的人力和时间，降低了流量分类的门槛。

本发明授权基于流量图像与低频信息的多模态加密网络流量分类方法在权利要求书中公布了：1.一种基于流量图像与低频信息的多模态加密网络流量分类方法，其特征在于，包括： 构建训练数据集，所述训练数据集为单类型的流量数据； 构建多模态网络，其中，所述多模态网络包括：二维流量图像异常检测模型和低频信息异常检测模型，所述二维流量图像异常检测模型和所述低频信息异常检测模型的结构相同，均为基于GAN和AE的异常检测学习网络； 利用所述训练数据集对所述多模态网络进行训练，得到训练完成的多模态网络模型； 利用训练完成的多模态网络模型对待测的流量数据进行分类识别； 其中，所述基于GAN和AE的异常检测学习网络，包括：AE网络、第二编码器和判别器，其中，所述AE网络包括级联的第一编码器和解码器；所述第二编码器的输入端连接所述解码器的输出端，所述第二编码器用于引入隐空间特征损失；所述判别器包括级联的第三编码器和Sigmoid层，其中，所述AE网络的输入和所述解码器的输出作为所述第三编码器的输入； 所述第一编码器、所述第二编码器和所述第三编码器的结构相同，均包括依次级联的第一编码单元、多个第二编码单元和卷积层，其中，所述第一编码单元包括依次级联的卷积层、LeakyReLU激活函数层和CBAM模块；所述第二编码单元包括依次级联的卷积层、批标准化层、LeakyReLU激活函数层和CBAM模块；所述编码器中的所有卷积层的卷积核大小为4*4，步长为2*2，填充长度为1*1； 所述解码器包括依次级联的多个第一解码单元和第二解码单元，其中，所述第一解码单元包括依次级联的反卷积层、批标准化层、LeakyReLU激活函数层和CBAM模块；所述第二解码单元包括依次级联的反卷积层和Tanh激活函数层；所述反卷积层的卷积核大小为4*4，步长为2*2，填充长度为1*1。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。