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！

龙图腾网获悉北京科技大学申请的专利基于CNN+LSTM的流量终端实时识别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：CN114970680B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202210459253.X，技术领域涉及：G06F18/241；该发明授权基于CNN+LSTM的流量终端实时识别方法及装置是由宁焕生;魏大为;万月亮;李莎设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本基于CNN+LSTM的流量终端实时识别方法及装置在说明书摘要公布了：本发明公开了一种基于CNN+LSTM的流量终端实时识别方法及装置，该流量终端实时识别方法包括：对传输控制协议TCP会话进行重组；从会话中提取流量特征，并对提取出的流量特征进行预处理；构建卷积神经网络CNN与长短记忆神经网络LSTM结合的深度学习模型；以预处理后的流量特征为样本，终端信息为标签，构建样本数据集；采用迁移学习的方式，利用所述样本数据集对所述模型进行训练，得到分类器；利用训练后的分类器进行流量分类与标记。本发明的流量终端实时识别方法以CNN+LSTM为基础，利用迁移学习的思想。通过对流量统计特征以及流量useragent特征的学习，实现了流量终端实时分类。

本发明授权基于CNN+LSTM的流量终端实时识别方法及装置在权利要求书中公布了：1.一种基于CNN+LSTM的流量终端实时识别方法，其特征在于，包括： 对传输控制协议TCP会话进行重组； 从会话中提取流量特征，并对提取出的流量特征进行预处理； 构建卷积神经网络CNN与长短记忆神经网络LSTM结合的深度学习模型； 以预处理后的流量特征为样本，终端信息为标签，构建样本数据集；采用迁移学习的方式，利用样本数据集对模型进行训练，得到分类器； 利用训练后的分类器进行流量分类与标记； 对传输控制协议TCP会话进行重组，包括： 提取流量包中的源IP地址、源端口、目的IP地址、目的端口及传输层协议号，将不同会话的TCP报文进行分类； 根据报文中的seq信息，对报文进行排序，并删除重复数据包； 从会话中提取流量特征，包括： 从TCP会话的SYN包中提取IP五元组、IP-Timetolive、IP-ID、TCP-WindowSize、TCP-ISN以及TCP-MSS信息；从包含HTTP请求的报文中提取UserAgent信息；基于整个会话统计上下行报文字节数，上下行报文数以及会话时长； 从UserAgent中，使用python中的user_agent包将提取到的信息处理为设备类型、设备型号、浏览器类型、浏览器型号、操作系统类型和操作系统型号； 对提取出的流量特征进行预处理，包括： 对提取出的流量特征进行数据清洗，剔除下行流量为0的数据； 对完成数据清洗的数据，采用预设的数据标准化算法进行数据标准化； 对浏览器类型、浏览器型号、操作系统类型和操作系统型号这四类文本表示的离散型特征，使用OneHotEncoder处理为26维度特征； 对设备类型和设备型号，使用LabelEncoder处理为2维度特征； 构建CNN与LSTM结合的深度学习模型，包括： 使用TensorFlow搭建顺序的神经网络，采用一维卷积层与批归一化层对数据特征进行提取，使用一维最大池化层进行特征选择和信息过滤； 在卷积层后加入两个LSTM层，进一步学习终端特征； 最后加入全连接层和输出层； 分类器训练方式为：以预处理后的流量特征为样本，终端信息为标签，构建样本数据集；采用迁移学习的方式，利用样本数据集对模型进行训练，具体为： 分类器预训练：收集标签数据，进行预训练，包括： （1）以100个终端为1组，每个终端收集200条标签数据； （2）收集20组数据作为预训练数据； （3）使用收集的数据进行预训练；其中，每组预训练时，将输出层重新初始化；每组数据训练200轮； （4）去除输出层，存储预训练模型； 分类器重训练：使用当前场景的数据进行重训练，得到最终的分类器，包括； （1）收集一段时间内的已标记终端会话，将收集的一段时间内的已标记终端会话作为训练集，对分类器进行重训练； （2）加载预训练模型； （3）添加与终端数量相等的输出层； （4）训练200轮； （5）存储分类器。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。