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！

龙图腾网获悉北京邮电大学申请的专利基于SwinT-CNN模型的加密流量分类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：CN116363436B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310356710.7，技术领域涉及：G06V10/764；该发明授权基于SwinT-CNN模型的加密流量分类方法及装置是由李小勇;王月洋;袁开国;高雅丽;李灵慧设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本基于SwinT-CNN模型的加密流量分类方法及装置在说明书摘要公布了：本发明公开了一种基于SwinT‑CNN模型的加密流量分类方法及装置，包括以下步骤：S1、将待分类的加密流量数据转化为二维矩阵，并生成灰度图像，将二维矩阵作为SwinT‑CNN模型的输入向量Vinputinput；S2、将二维矩阵输入SwinT‑CNN模型，SwinT‑CNN模型包括改进的CNN模块和SwinT模块，先通过改进的CNN模块提取数据的局部空间特征，输出处理后的数据Vcnncnn，再将Vcnncnn输入SwinT模块，对局部空间特征进行注意力机制计算，得到数据的全局空间特征，输出加权组合特征向量VswinTswinT；S3、最后通过一个由Softmax激活的全连接层作出预测，计算多分类交叉熵损失来产生分类结果。本发明将改进的CNN模块和从SwinTransformer中提取的Swin模块结合，能够更有效地捕捉数据中的局部和全局特征，提高加密流量分类的准确率。

本发明授权基于SwinT-CNN模型的加密流量分类方法及装置在权利要求书中公布了：1.一种基于SwinT-CNN模型的加密流量分类方法，其特征在于，包括以下步骤： S1、将待分类的加密流量数据转化为二维矩阵，并生成灰度图像，将二维矩阵作为SwinT-CNN模型的输入向量Vinput，矩阵每个元素代表灰度图的一个像素点，即一个字节的流量数据； S2、将二维矩阵输入SwinT-CNN模型，SwinT-CNN模型包括改进的CNN模块和SwinT模块，先通过改进的CNN模块提取数据的局部空间特征，输出处理后的数据Vcnn，再将Vcnn输入SwinT模块，对局部空间特征进行注意力机制计算，得到数据的全局空间特征，输出加权组合特征向量VswinT； SwinT模块由第一SwinT模块和第二SwinT模块线性相连，第一SwinT模块只包含一个SwinTransformerBlock，第二SwinT模块包含一个Patchmerging和一个SwinTransformerBlock，其中Patchmerging用来下采样和增加通道数，SwinTransformerBlock包含窗口多头自注意力机制、多层感知机、归一化层和残差连接，SwinTransformerBlock对CNN模块得到的图特征向量进行规则窗口划分，并在窗口特征图上进行注意力机制，通过计算注意力分数得到加权组合特征向量VswinT； Patchmerging输入的特征图向量的维度大小由[H,W,C]变为[H2,W2,2C]，其中H、W和C分别代表特征图向量的宽、高和通道数； SwinTransformerBlock中输入、输出的计算公式如下： Vt＝W_MSALNVcnn+Vcnn Vt+1＝MLPLNVt+Vt Vt+2＝SW_MSALNVt+1+Vt+1 v＝MLPLNVt+2+Vt+2 其中，LN是归一化操作，对特征图向量进行标准化处理，MLP对注意力机制输出的多特征向量进行提取，分别得到加权组合特征向量Vt+1和模块的输出v；W_MSA对不重叠的窗口特征图向量上操作注意力机制，得到加权组合特征向量Vt，SW_MSA进行偏移切割窗口，并将切割的窗口恢复成W_MSA的窗口形状，然后在各个窗口上操作注意力机制，得到加权组合特征向量Vt+2，v代表一个SwinT模块的输出向量，第一SwinT模块输出的特征向量v会继续传入第二SwinT模块中，在经过下采样后再执行一遍SwinTransformerBlock中输入、输出的计算公式； S3、最后通过一个由Softmax激活的全连接层作出预测，计算多分类交叉熵损失来产生分类结果。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。