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！

龙图腾网获悉东南大学;江苏省未来网络创新研究院申请的专利面向持续连接的恶意木马细粒度行为早期精准识别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：CN116232682B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310006242.0，技术领域涉及：H04L9/40；该发明授权面向持续连接的恶意木马细粒度行为早期精准识别方法是由胡晓艳;朱成;程光;吴桦设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本面向持续连接的恶意木马细粒度行为早期精准识别方法在说明书摘要公布了：本发明提供了一种面向持续连接的恶意木马细粒度行为早期精准识别方法，具体步骤包括：提取持续连接的加密恶意木马细粒度攻击行为流量的数据包长度序列、方向序列和时间序列，输入到细粒度行为段分割模块以精准识别攻击行为段分割点；对包含完整行为段的数据包序列重新还原为TLSFragment，选择前n个TLSFragment并分别提取m个稳定特征组成[n×m,1]维序列特征向量；将n‑TLSFragment稳定特征序列输入到1D‑CNN分类器中进行训练，以识别细粒度攻击行为。本发明能够对持续连接的加密恶意木马流量，不依赖人工经验而较为准确地划分攻击行为段；本发明能够早期精准的识别恶意木马细粒度攻击行为，并且提出的TLSFragment稳定特征适用于具备网络波动性的细粒度行为识别场景。

本发明授权面向持续连接的恶意木马细粒度行为早期精准识别方法在权利要求书中公布了：1.一种面向持续连接的恶意木马细粒度行为早期精准识别方法，其特征在于，包括如下步骤： 1对持续连接的加密恶意木马细粒度攻击行为流量分别提取数据包长度序列、数据包方向序列以及数据包时间戳序列，输入到细粒度行为段分割模块以精准识别攻击行为段分割点； 2根据步骤1中识别的分割点提取细粒度攻击行为段，将包含行为段的数据包序列重新还原为TLSFragment序列，选择前n个TLSFragment作为细粒度攻击行为的早期样本； 3将步骤2中的n-TLSFragment提取m个统计特征，组成[n×m,1]维特征向量作为细粒度攻击行为的早期识别指纹； 4将步骤3中的n-TLSFragment稳定特征向量输入到1D-CNN神经网络中训练； 5训练合适的轮次后输出基于n-TLSFragment稳定特征的细粒度攻击行为早期识别模型，以精准识别加密恶意木马的细粒度攻击行为类别； 所述步骤1具体包括如下子步骤： 1.1捕获T1～TN时间间隔内的加密恶意木马细粒度攻击行为流量FT1,TN＝ {frag1,frag2,frag3,..,fragN}，其中fragN表示包含第N个攻击行为段的数据包序列，F表示五元组相同的单条流；持续连接的恶意木马单个加密流F中，包含N个连续且未被分离的细粒度攻击行为数据包序列； 1.2基于滑动窗口算法分别提取上述连续攻击行为流量F的数据包长度序列{tcp_len1,tcp_len2,..,tcp_lenM}，数据包方向序列{d1,d2,..,dM}，数据包时间戳序列{T1,T2,..,TM}，其中tcp_lenM表示第M个数据包的tcp长度，TM表示第M个数据包的到达时间戳；其中数据包方向定义为： 1.3分别计算滑动窗口两侧SL,SR的数据包长度-方向-时间戳概率分布，并基于相对熵K-L算法对上述概率分布计算窗口内K-L散度值；以步距t移动滑动窗口并依次计算窗口内的K-L散度值，得到连续细粒度攻击行为流量F的相似度序列； 1.4基于分段三次埃尔米特插值算法对K-L散度值序列进行插值优化，通过设置K-L阈值去除部分干扰值，并保存极大值所在的数据包索引和时间戳； 1.5步骤1.4得到的索引值和时间戳所对应的数据包即为连续细粒度攻击行为段的分割点，通过伪分割点融合算法精准实现行为段分割。

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东南大学;江苏省未来网络创新研究院，其通讯地址为：210096 江苏省南京市玄武区四牌楼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”。

以上内容由龙图腾AI智能生成。