Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京傲盾软件有限责任公司陈殿强获国家专利权

北京傲盾软件有限责任公司陈殿强获国家专利权

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!

龙图腾网获悉北京傲盾软件有限责任公司申请的专利一种Shadowsocks流量检测方法及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:CN120498837B

龙图腾网通过国家知识产权局官网在2026-03-31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:202510797720.3,技术领域涉及:H04L9/40;该发明授权一种Shadowsocks流量检测方法及系统是由陈殿强;李军设计研发完成,并于2025-06-16向国家知识产权局提交的专利申请。

一种Shadowsocks流量检测方法及系统在说明书摘要公布了:本发明公开一种Shadowsocks流量检测方法及系统,包括:获取网络通信实时流量,将实时流量以TCP流为单位进行拆分,得到多个TCP流;根据Shadowsocks流量每个TCP流中前四个数据包的特征对多个TCP流进行筛选,得到多个筛选后的TCP流;针对筛选后的TCP流,提取TCP流的原始特征向量;对TCP流的原始特征向量进行数据标准化处理,得到TCP流的标准化特征向量;将每个TCP流的标准化特征向量转化为二维数组,得到TCP流的二维特征向量矩阵;采用卷积神经网络对每个TCP流的二维特征向量矩阵进行计算,得到实时流量的空间特征向量矩阵;采用预设的循环神经网络模型对实时流量的空间特征向量矩阵进行计算,得到实时流量的时序动态特征向量,根据时序动态特征向量计算出所述Shadowsocks流量的概率值。

本发明授权一种Shadowsocks流量检测方法及系统在权利要求书中公布了:1.一种Shadowsocks流量检测方法,其特征在于,包括步骤: S100,获取网络通信实时流量,将所述实时流量以TCP流为单位进行拆分,得到多个TCP流,每个TCP流中包括多个数据包; S200,根据Shadowsocks流量每个TCP流中前四个数据包的特征对所述多个TCP流进行筛选,包括: S201,判断每个所述TCP流中的第一个数据包中的有效载荷长度是否为第一预设值,若是,则执行S202,否则,删除所述TCP流,其中,所述第一预设值根据Shadowsocks使用的加密算法确定; S202,判断每个所述TCP流中的第二个数据包中的有效载荷长度是否在第二预设范围内,若是,则执行S203,否则,删除所述TCP流,其中,所述第二预设范围根据Shadowsocks的用户名和密码确定; S203,判断每个所述TCP流中的第三个数据包中的有效载荷长度是否大于第三预设值,若是,则执行S204,否则,删除所述TCP流,其中,所述第三预设值根据Shadowsocks代理的目的地址信息确定; S204,判断每个所述TCP流中的第四个数据包的响应时间是否大于前三个数据包的响应时间,若是,则保留所述TCP流,否则,删除所述TCP流, 得到多个筛选后的TCP流; S300,针对每个所述筛选后的TCP流,提取TCP流中的前10个数据包的特征,得到TCP流的原始特征向量,所述前10个数据包的特征包括每个数据包长度、数据包间发送时间间隔和数据包平均往返时间; S400,对每个所述TCP流的原始特征向量中的每个特征值进行数据标准化处理,得到每个TCP流的标准化特征向量; S500,将每个所述TCP流的标准化特征向量转化为二维数组,得到每个TCP流的二维特征向量矩阵; S600,采用卷积神经网络对每个所述TCP流的二维特征向量矩阵进行计算,得到所述实时流量的空间特征向量矩阵; S700,采用预设的循环神经网络模型对所述实时流量的空间特征向量矩阵进行计算,得到所述实时流量的时序动态特征向量,并根据所述时序动态特征向量计算出所述Shadowsocks流量的概率值,若所述概率值大于或等于预设阈值,则判断为Shadowsocks流量。

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傲盾软件有限责任公司,其通讯地址为:100085 北京市海淀区上地创业中路26号5层;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。