公开(公告)号：CN112019500B

公开(公告)日：2021-11-23

申请号：CN202010680117.4

申请日：2020-07-15

Applicant: 中国科学院信息工程研究所

Inventor： 郑超 ,  石逢钊 ,  崔一鸣 ,  刘庆云

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的加密流量识别方法及电子装置，包括：收集网络中的若干TLS流，获取每一TLS流中的ClientHello报文整数序列、ServerHello报文整数序列、end‑entity certificate整数序列及前n个TLS应用数据报文组成的序列；提取ClientHello报文特征、ServerHello报文特征、end‑entity certificate特征及序列特征，计算若干TLS流的时间相关性，得到流特征；将流特征输入一加密流量分类器进行分类，根据加密流量分类器输出的各数据来源预测概率值，获取产生若干TLS流的数据来源。本发明从原始的流量中提取特征，无需人工进行特征分析；结合了报文层次和流层次的特征，使得分类效果较好；使用浅层的网络结构，减小了分类时间，使得分类器适用于实时分类。

公开(公告)号：CN118779746A

公开(公告)日：2024-10-15

申请号：CN202410746408.7

申请日：2024-06-11

Applicant: 中国科学院信息工程研究所

Inventor： 曹亚男 ,  石逢钊 ,  尚燕敏 ,  方芳 ,  尹鹏飞 ,  林希珣 ,  刘燕兵

IPC: G06F18/2415 ,  G06N3/042 ,  G06N3/0455

Abstract: 本发明涉及一种基于关系向量的异配图表示学习方法和系统。该方法是一种变分GNN模型，创新性地将细粒度关系学习融入到消息传递过程中，从而实现对图上的同配性和异配性的建模。该方法在统一的框架中对关系向量生成和节点表示进行建模，从而能够更直接地将关系向量学到的知识转化为节点表示，其中编码器实现关系向量生成，解码器实现节点表示。本发明通过引入关系向量建模了异配图的边复杂语义关系，从而促进了异配图中异配结构的建模，能够实现更好的分类结果。

公开(公告)号：CN112019500A

公开(公告)日：2020-12-01

申请号：CN202010680117.4

申请日：2020-07-15

Applicant: 中国科学院信息工程研究所

Inventor： 郑超 ,  石逢钊 ,  崔一鸣 ,  刘庆云

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的加密流量识别方法及电子装置，包括：收集网络中的若干TLS流，获取每一TLS流中的ClientHello报文整数序列、ServerHello报文整数序列、end-entity certificate整数序列及前n个TLS应用数据报文组成的序列；提取ClientHello报文特征、ServerHello报文特征、end-entity certificate特征及序列特征，计算若干TLS流的时间相关性，得到流特征；将流特征输入一加密流量分类器进行分类，根据加密流量分类器输出的各数据来源预测概率值，获取产生若干TLS流的数据来源。本发明从原始的流量中提取特征，无需人工进行特征分析；结合了报文层次和流层次的特征，使得分类效果较好；使用浅层的网络结构，减小了分类时间，使得分类器适用于实时分类。