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！

龙图腾网获悉西安交通大学申请的专利一种基于流量特征分析的网络未知行为检测方法、装置及设备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：CN119520060B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411617700.5，技术领域涉及：H04L9/40；该发明授权一种基于流量特征分析的网络未知行为检测方法、装置及设备是由赵俊舟;孙尚毅;陶敬;韩婷;段涛;陈思宇设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种基于流量特征分析的网络未知行为检测方法、装置及设备在说明书摘要公布了：本申请提供了一种基于流量特征分析的网络未知行为检测方法、装置及设备，涉及网络安全技术领域，旨在解决针对网络行为检测的相关技术难以适应复杂的加密网络环境以及高度依赖人工标签的问题。该方法包括：对待检测网络流量的原始字节数据进行字节编码处理，得到单通道灰度图像形式的目标流量；根据基于无监督训练任务的流量特征提取器，对目标流量进行特征提取；通过聚类算法群和可增量更新式的分类器群对目标流量的特征向量进行聚类和分类；将特征向量、聚类结果和分类结果输入到MLP多层感知机模型中进行训练，根据训练后的度量学习模型对目标流量的特征向量进行转化；对转化后的特征向量进行简单地聚类划分，得到最终的检测结果。

本发明授权一种基于流量特征分析的网络未知行为检测方法、装置及设备在权利要求书中公布了：1.一种基于流量特征分析的网络未知行为检测方法，其特征在于，包括： 对待检测网络流量的原始字节数据进行字节编码处理，得到单通道灰度图像形式的目标流量； 根据基于无监督训练任务的流量特征提取器，对所述目标流量进行特征提取，得到所述目标流量的特征向量； 通过聚类算法群对所述目标流量的特征向量进行聚类，以及通过可增量更新式的分类器群对所述目标流量的特征向量进行分类，所述聚类算法群包括多种无监督聚类算法； 将所述目标流量的特征向量、聚类结果和分类结果输入到MLP多层感知机模型中进行训练，得到训练好的的度量学习模型，并根据所述度量学习模型对所述目标流量的特征向量进行转化，得到所述目标流量在目标特征空间下的特征表示； 通过k_means算法对所述目标流量在目标特征空间下的特征表示进行多次处理，选取处理结果中轮廓系数最高的结果作为最终的检测结果，所述检测结果为聚类簇，表征不同的网络流量行为类型； 所述对待检测网络流量的原始字节数据进行字节编码处理，包括： 根据所述待检测网络流量的原始字节数据，创建所述待检测网络流量对应的二维矩阵，所述原始字节数据包括：所述待检测网络流量的每个数据包的包头字节和有效载荷字节； 将所述每个数据包的包头字节和有效载荷字节逐行填入所述二维矩阵，得到目标二维矩阵，所述目标二维矩阵为所述单通道灰度图像形式的目标流量； 所述流量特征提取器的无监督训练过程包括以下步骤： 获取多个单通道灰度图像形式的网络流量样本； 对所述网络流量样本进行随机掩码处理后，输入基于图像编码器的第一深度学习模型进行特征提取，并使用多个小型深度学习模型作为解码器，对提取的特征进行解码，得到对应数量的区域部分预测特征； 同时，将所述网络流量样本输入与所述第一深度学习模型相同结构的第二深度学习模型中进行特征提取，得到整体特征； 根据所有区域部分预测特征和整体特征中对应部分的差异计算第一损失值，并根据所述第一损失值对所述第一深度学习模型、所述第二深度学习模型以及所有小型深度学习模型进行优化，将训练好的第一深度学习模型作为所述流量特征提取器。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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”。

以上内容由龙图腾AI智能生成。