-
公开(公告)号：CN113630384B
公开(公告)日：2022-10-14
申请号：CN202110778054.0
申请日：2021-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于NetFlow数据的特定加密流量识别方法及系统。该方法的步骤包括：利用原始网络流量生成NetFlow序列；采用双向LSTM网络捕获NetFlow序列的上下文关系；采用注意力机制对NetFlow序列的上下文关系进行注意力权重计算，得到NetFlow序列的特征；利用得到的NetFlow序列的特征识别加密流量。本发明以NetFlow序列作为输入来保护用户隐私，利用双向LSTM网络尽可能捕获稀疏流记录上下文关系，增加注意力机制进行注意力权重计算，对信息进行加权，实现对相关性特征的增强，自动学习流记录的潜在特征。即使在较低的采样率下，本发明仍能够取得较好的加密流量识别效果。
-
公开(公告)号：CN111224940A
公开(公告)日：2020-06-02
申请号：CN201911119871.4
申请日：2019-11-15
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明提出一种嵌套在加密隧道中的匿名服务流量关联识别方法及系统，属于网络测量与行为分析领域，选择从报文负载和报文形态两方面刻画网络数据流的概率特征，结合机器学习算法，识别和关联加密隧道内匿名混淆流量，解决现有技术在识别、关联加密隧道内匿名混淆流量时特征提取困难，导致识别精度低、进而关联效果较差的问题。
-
公开(公告)号：CN114021637B
公开(公告)日：2025-04-22
申请号：CN202111282170.X
申请日：2021-11-01
Applicant: 中国科学院信息工程研究所
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/23213 , G06N3/09 , H04L9/40
Abstract: 本发明公开了一种基于度量空间下去中心化应用加密流量分类方法及装置，包括收集去中心化应用的加密流量，对各加密流量标记应用；利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本；将聚类结果中任一困难样本作为正样本F，该正样本F所属类别的簇中心点作为正样本簇中心CF，其他类别中的任一困难样本作为负样本F′i，该负样本F′i所属类别的簇中心点作为#imgabs0#以构建若干四元组#imgabs1#利用四元组S对四重网络进行训练，得到分类模型；将测试集中的样本输入分类模型，在度量空间下计算相似度，获取目标加密流量的分类结果。本发明提供包含更多信息的优质样本，有效的筛选简单数据集，通过网络自动学习有效特征，使DApps分类更加高效、更加准确。
-
公开(公告)号：CN113630384A
公开(公告)日：2021-11-09
申请号：CN202110778054.0
申请日：2021-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于NetFlow数据的特定加密流量识别方法及系统。该方法的步骤包括：利用原始网络流量生成NetFlow序列；采用双向LSTM网络捕获NetFlow序列的上下文关系；采用注意力机制对NetFlow序列的上下文关系进行注意力权重计算，得到NetFlow序列的特征；利用得到的NetFlow序列的特征识别加密流量。本发明以NetFlow序列作为输入来保护用户隐私，利用双向LSTM网络尽可能捕获稀疏流记录上下文关系，增加注意力机制进行注意力权重计算，对信息进行加权，实现对相关性特征的增强，自动学习流记录的潜在特征。即使在较低的采样率下，本发明仍能够取得较好的加密流量识别效果。
-
公开(公告)号：CN115034284A
公开(公告)日：2022-09-09
申请号：CN202210403955.6
申请日：2022-04-18
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于梯度的网络流量分类方法及系统。本方法为：利用类别标注的网络流量样本集训练用于获取流量特征的深度学习网络；其中，训练方法为：将类别标注的网络流量样本输入所述深度学习网络，得到对应的流量特征；将网络流量样本的标注类别及对应的流量特征分别输入到Rectified‑ArcFace层计算预测损失值，使得类别和流量特征之间的角度间隔最大化；将损失值反向传播优化；将一验证数据集输入训练后的深度学习网络，得到梯度阈值；将待识别网络流量输入深度学习网络，将所得候选类别反向传播并计算Rectified‑ArcFace层网络权重的梯度H，如果H大于梯度阈值，则将待识别网络流量的类别为未知类别。
-
Patent Agency Ranking
公开(公告)号：CN111224940B
公开(公告)日：2021-03-09
申请号：CN201911119871.4
申请日：2019-11-15
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明提出一种嵌套在加密隧道中的匿名服务流量关联识别方法及系统，属于网络测量与行为分析领域，选择从报文负载和报文形态两方面刻画网络数据流的概率特征，结合机器学习算法，识别和关联加密隧道内匿名混淆流量，解决现有技术在识别、关联加密隧道内匿名混淆流量时特征提取困难，导致识别精度低、进而关联效果较差的问题。
-
公开(公告)号：CN114021637A
公开(公告)日：2022-02-08
申请号：CN202111282170.X
申请日：2021-11-01
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于度量空间下去中心化应用加密流量分类方法及装置，包括收集去中心化应用的加密流量，对各加密流量标记应用；利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本；将聚类结果中任一困难样本作为正样本F，该正样本F所属类别的簇中心点作为正样本簇中心CF，其他类别中的任一困难样本作为负样本F′i，该负样本F′i所属类别的簇中心点作为以构建若干四元组利用四元组S对四重网络进行训练，得到分类模型；将测试集中的样本输入分类模型，在度量空间下计算相似度，获取目标加密流量的分类结果。本发明提供包含更多信息的优质样本，有效的筛选简单数据集，通过网络自动学习有效特征，使DApps分类更加高效、更加准确。
-
公开(公告)号：CN112381119A
公开(公告)日：2021-02-19
申请号：CN202011159375.4
申请日：2020-10-27
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于去中心化应用加密流量特征的多场景分类方法及系统，包括：收集去中心化应用的加密流量，并对各加密流量标记应用、用户行为和通用用户行为的分类标签；根据分类目标和分类标签，将提取的加密流量的应用特征、用户行为特征和通用用户行为特征，分别输入应用分类模型、用户行为分类模型和通用用户行为分类模型，得到相应的分类。本发明通过对多个场景下机器学习分类器的调参，确保模型的准确性和鲁棒性，使得应用类型分类具有高准确率和高效率，用户行为分类易于识别可疑用户行为从而保护用户安全与隐私，且通过通用用户行为分类可获得吞吐量、延迟等有用信息，从而帮助改善去中心化应用使其运行更加有效率、提升用户体验。
-
公开(公告)号：CN119600643A
公开(公告)日：2025-03-11
申请号：CN202411474911.8
申请日：2024-10-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种零样本图像分类方法及装置，属于图像识别领域。本发明通过大型语言模型生成类别描述文档，通过视觉编码器和文本编码器获取图像和文档的全局和局部特征信息，然后通过视觉语义分解模块和文本语义分解模块进行解耦，生成视觉语义嵌入和文本语义嵌入；通过上述模块的联合训练，并优化由局部到语义映射方差损失、多语义多样性损失、分解语义对齐损失和局部语义对齐损失组成的总损失；训练完成后用于推理阶段的图像类别预测。本发明可以降低零样本图像分类的难度，提高分类准确率和效率。
-
公开(公告)号：CN112381119B
公开(公告)日：2023-02-03
申请号：CN202011159375.4
申请日：2020-10-27
Applicant: 中国科学院信息工程研究所
IPC: G06F18/2431 , H04L9/40
Abstract: 本发明公开了一种基于去中心化应用加密流量特征的多场景分类方法及系统，包括：收集去中心化应用的加密流量，并对各加密流量标记应用、用户行为和通用用户行为的分类标签；根据分类目标和分类标签，将提取的加密流量的应用特征、用户行为特征和通用用户行为特征，分别输入应用分类模型、用户行为分类模型和通用用户行为分类模型，得到相应的分类。本发明通过对多个场景下机器学习分类器的调参，确保模型的准确性和鲁棒性，使得应用类型分类具有高准确率和高效率，用户行为分类易于识别可疑用户行为从而保护用户安全与隐私，且通过通用用户行为分类可获得吞吐量、延迟等有用信息，从而帮助改善去中心化应用使其运行更加有效率、提升用户体验。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
