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！

龙图腾网获悉电子科技大学申请的专利一种基于patching和对比学习的流关联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：CN118842641B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202411054976.7，技术领域涉及：H04L9/40；该发明授权一种基于patching和对比学习的流关联攻击方法是由牛伟纳;张小松;黄世平;姜牧骐;吴家泳设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种基于patching和对比学习的流关联攻击方法在说明书摘要公布了：本发明涉及流量分析领域，提供了一种基于patching和对比学习的流关联攻击方法。主要解决的技术问题是现有流关联攻击方法中流嵌入时间不一致、计算成本高和准确率低的问题。主要技术方案包括使用基于时间的patching将Tor流和exit流分割为时间长度相同的patch，其中Tor流和exit流分别表示进入和退出Tor网络的流量；使用基于patch的特征嵌入网络获取流嵌入；采用对比学习来训练特征嵌入网络，使模型能够有效地学习流嵌入；使用余弦相似度作为评估流相关性的指标，进行流关联攻击。本发明用于流量分析领域，特别是在Tor网络等匿名通信系统中的流量关联分析，能够提高攻击的准确性和效率，降低计算成本。

本发明授权一种基于patching和对比学习的流关联攻击方法在权利要求书中公布了：1.一种基于patching和对比学习的流关联攻击方法，其特征在于，所述方法包括： 使用基于时间的patching将Tor流和exit流分割为时间长度相同的patch，其中Tor流和exit流分别表示进入和退出Tor网络的流量； 使用基于patch的特征嵌入网络获取流嵌入； 采用对比学习来训练特征嵌入网络，使模型能够有效地学习流嵌入； 使用余弦相似度作为评估流相关性的指标，进行流关联攻击； 使用对比学习训练特征嵌入网络，以SimCLR框架为基础，对其实现的四个关键阶段进行针对性的调整和优化，具体包括： 数据增强，使用一对相关的Tor流和exit流作为自然形成的正样本对； 基础编码器，采用双编码器设计，两个独立参数化的基于patch的特征嵌入网络分别用于Tor流和exit流的特征提取； 投影头，使用基于patch的特征嵌入网络生成的流嵌入来计算对比损失，简化模型架构，并使特征嵌入网络专注于学习与特定任务高度相关的表示； 对比损失，选择NT-Xent损失函数作为优化目标，将相关的Tor流和exit流视为正样本对，随机采样个相关的Tor-exit流对作为小批量，通过时间patch和基于patch的特征嵌入网络提取流嵌入，将Tor流表示为，将exit流表示为，对于每个正样本对，将小批量中的其他个流视为负样本，计算正样本对的NT-Xent损失。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。