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！

龙图腾网获悉清华大学申请的专利基于深度学习的流量数据脱敏方法、模型训练方法及装置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：CN120180506B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510653844.4，技术领域涉及：G06F21/62；该发明授权基于深度学习的流量数据脱敏方法、模型训练方法及装置是由谢石林;李风华;王继龙设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本基于深度学习的流量数据脱敏方法、模型训练方法及装置在说明书摘要公布了：本申请提出一种基于深度学习的流量数据脱敏方法、模型训练方法及装置。其中，该流量数据脱敏方法包括：采用传输层五元组将原始网络流量数据划分为多个数据流，对同一个数据流中的至少一个时序单元进行特征提取与格式转换，得到每个时序单元的灰度图像；将每个数据流之中每个时序单元的灰度图像输入至预先训练好的流量数据脱敏模型中进行脱敏处理，获得流量数据脱敏模型输出的每个时序单元的流量数据脱敏重建图像；将每个数据流之中每个时序单元的流量数据脱敏重建图像进行反量化处理以还原为二进制数据流，得到原始网络流量数据对应的脱敏流量数据。本申请能够在保证流量可用性的前提下，实现流量数据的有效脱敏。

本发明授权基于深度学习的流量数据脱敏方法、模型训练方法及装置在权利要求书中公布了：1.一种基于深度学习的流量数据脱敏方法，其特征在于，包括： 采用传输层五元组将原始网络流量数据划分为多个数据流，对同一个所述数据流中的至少一个时序单元进行特征提取与格式转换，得到每个所述时序单元的灰度图像；每个所述时序单元包含连续多个数据包； 将每个所述数据流之中每个所述时序单元的灰度图像输入至预先训练好的流量数据脱敏模型中进行脱敏处理，获得所述流量数据脱敏模型输出的每个所述时序单元的流量数据脱敏重建图像；其中，所述流量数据脱敏模型为面向隐私保护的流量特征重构模型； 将每个所述数据流之中每个所述时序单元的流量数据脱敏重建图像进行反量化处理以还原为二进制数据流，得到所述原始网络流量数据对应的脱敏流量数据； 其中，所述流量数据脱敏模型的网络结构为基于视觉Transformer构建的深度自编码网络，包括编码器和解码器；所述流量数据脱敏模型通过以下方式训练得到的： 采用传输层五元组将网络流量样本数据划分为多个数据流，对同一个所述数据流中的至少一个时序单元进行特征提取与格式转换，得到每个所述时序单元的灰度图像；每个所述时序单元包含连续多个数据包； 基于每个所述数据流之中每个所述时序单元的灰度图像，采用第一重构损失值对流量数据脱敏模型进行预训练，包括：将每个所述时序单元的灰度图像划分为多个像素块序列；通过所述编码器按照第一掩码率对所述多个像素块序列进行掩码处理；利用多头自注意力机制对经过掩码处理后的像素块序列进行处理以得到跨区块的全局依赖关系信息；基于所述跨区块的全局依赖关系信息在隐空间构建流量特征的分布式表示；通过所述解码器对所述编码器输出的流量特征分布式表示进行重构处理，以得到每个所述时序单元的流量数据脱敏重建图像；根据每个所述时序单元的灰度图像和每个所述时序单元的流量数据脱敏重建图像确定第一重构损失值，并基于所述第一重构损失值对流量数据脱敏模型进行训练； 在预训练的基础上，将预训练完成的流量分类器作为判别器，并基于所述判别器综合使用统计损失值、分类损失值和第二重构损失值对流量数据脱敏模型进行训练，得到训练好的流量数据脱敏模型。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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”。