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！

龙图腾网获悉北京理工大学申请的专利一种基于深度学习的网站指纹攻击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：CN116366299B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310187942.4，技术领域涉及：H04L9/40；该发明授权一种基于深度学习的网站指纹攻击方法是由祝烈煌;潘天瑶;徐大伟;高峰;赵鑫设计研发完成，并于2023-03-02向国家知识产权局提交的专利申请。

本一种基于深度学习的网站指纹攻击方法在说明书摘要公布了：本发明涉及一种基于深度学习的网站指纹攻击识别方法，属于计算机网络安全中的加密流量识别技术领域。攻击者监听客户端和入口中继节点入口之间的通信，提取出数据包方向和时间信息作为网站指纹。然后，攻击者为网站指纹攻击创建攻击模型，该模型以数据包方向和时间戳两个序列作为输入，以网站类别作为输出。为训练攻击模型，攻击者使用收集的流量数据作为训练集，然后使用训练集来训练CNN模型，该模型被用作分类器来执行分类任务。之后，攻击者使用经过训练的分类器执行网站指纹攻击识别。定期更新训练后的模型，模型更新后，在攻击阶段继续使用，对未知流量进行分类识别。对比现有技术，本发明识别准确度高，同时模型训练开销小。

本发明授权一种基于深度学习的网站指纹攻击方法在权利要求书中公布了：1.一种基于深度学习的网站指纹攻击方法，其特征在于，包括以下步骤： 步骤1：流量收集； 攻击者监听客户端和入口中继节点入口之间的通信，提取出数据包方向和时间信息，作为网站指纹； 步骤2：模型训练； 攻击者为网站指纹攻击创建攻击模型，即CNN模型，该模型以数据包方向和时间戳两个序列作为输入，以网站类别作为输出； 为训练攻击模型，攻击者使用收集的流量数据作为训练集，然后使用训练集来训练CNN模型，该模型被用作分类器来执行分类任务； 攻击模型为CNN模型，共有12个卷积层，每个卷积层之后是归一化层和激活层；在池化层之前，使用2个卷积层来增加网络深度，确保CNN模型充分学习模式； 模型包括三个模块：方向模块fd、时间模块ft和结合模块fc；其中，方向序列表示为D，D＝d1,d2,…,dL，di∈{-1,+1}；时间序列表示为T，T＝t1,t2,…,tL，ti0；模型的输入为X，X＝D,T，包含方向和时间序列； 初始时，序列D和T分别被输入到方向模块和时间模块中，得到相应特征图D′＝fdD、T′＝ftT；然后，D′和T′被连接并馈送到结合模块中，得到X属于特定类别的概率与其他块相比，结合模块中在每两个卷积块之前添加一个池化层，并在其之后添加一个丢弃层；在全连接层之前，卷积的输出由全局平均池化层转换为矢量； 当得到后，使用和原始的数据标签Y计算训练损失Loss来更新模型参数；在交叉熵损失的基础上使用标签平滑策略，将随机噪声添加到原始标签表示的每个维度； 步骤3：网站指纹攻击； 攻击者使用经过训练的分类器执行网站指纹攻击； 首先，攻击者捕获用户和入口节点之间的未知流量，然后将未知流量馈送到训练的分类器中进行分类，以推断流量的目标网站； 步骤4：模型微调； 定期更新训练后的模型：攻击者为每个受监控的网站重新收集若干示例数据，在训练阶段得到的训练后模型将被作为预训练模型，攻击者使用新的流量数据对预训练模型的参数进行微调； 当模型调整完毕后，攻击者使用调整后的模型，对新的未知流量进行分类，重新进行攻击过程识别。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。