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！

龙图腾网获悉中国人民解放军战略支援部队信息工程大学申请的专利基于对比增量学习的细粒度恶意流量分类方法和系统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：CN116244645B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211618623.6，技术领域涉及：G06F18/2415；该发明授权基于对比增量学习的细粒度恶意流量分类方法和系统是由郭渊博;王一丰;方晨;马佳利;李勇飞;刘盈泽;马博文设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本基于对比增量学习的细粒度恶意流量分类方法和系统在说明书摘要公布了：本发明属于网络信息安全技术领域，特别涉及一种基于对比增量学习的细粒度恶意流量分类方法及系统，将对比学习、增量学习与恶意流量识别相结合，通过变分自编码器的编码网络来获取潜空间特征，并结合对比学习和增量学习对已知、小样本、未知和新增恶意类进行高性能细粒度的分类识别，利用变分自编码器存储和重构原任务上的知识，并结合知识蒸馏机制实现在不采用原任务上的大量训练数据的情形下，实现快速学习识别新增类的恶意流量，满足网络系统中对不断涌现的各类已知和未知威胁的防御需求。本发明能够在保证检测效率的同时，可迅速实现对新威胁的识别，并可大幅降低训练成本和数据投毒攻击的风险，满足网络信息安全中高速、高精度的恶意流量分类识别应用。

本发明授权基于对比增量学习的细粒度恶意流量分类方法和系统在权利要求书中公布了：1.一种基于对比增量学习的细粒度恶意流量分类方法，其特征在于，包含如下内容： 基于对比增量学习和变分自编码器构建恶意流量分类模型，并利用预设模型训练方法对恶意流量分类模型进行训练，所述模型训练方法包括：利用变分自编码器中的编码网络获取样本数据的潜空间特征，基于变分自编码器中的解码网络重构样本数据，基于样本数据和重构样本数据来构建变分自编码器重构损失；利用角投影层将潜空间特征投影到超球面上，得到样本数据对应的超球面角距离特征，利用分类器对角距离特征进行分类，并基于分类输出和样本数据已有标签来构建分类器损失；基于重构损失和分类器损失，并引入基于编码网络正负特征空间的对比学习损失来构建获取模型训练的总损失函数，基于总损失函数对模型进行训练，其中，总损失函数LAll表示为：LAll＝Lvae+αLAng+βLCont，其中，α、β为权重超参数，Lvae、LAng、LCont分别表示重构损失、分类器损失、对比学习损失；并利用知识蒸馏来迁移已训练模型中的网络参数、良性类别、恶意类训练样本及变分自编码器的正态分布，并联合新增类别样本数据来联合构建新的模型损失函数，并利用新的模型损失函数来联合训练新的分类模型，新的模型损失函数LAll表示为：LAll＝Lvae+αLAng+βLCont+γLsoft，α、β、γ为权重超参数，Lvae、LAng、LCont、Lsoft分别表示重构损失、分类器损失、对比学习损失、知识蒸馏软决策向量学习损失； 监测并收集目标网络流量，并将目标网络流量数据输入训练后的恶意流量分类模型中，利用训练后的恶意流量分类模型来分类识别目标网络流量的类别。

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中国人民解放军战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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。