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！

龙图腾网恭喜上海大学申请的专利一种基于增量学习的加密流量分类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：CN114510732B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202210106390.5，技术领域涉及：G06F21/60；该发明授权一种基于增量学习的加密流量分类方法是由魏洁玲;马秀丽;金彦亮设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本一种基于增量学习的加密流量分类方法在说明书摘要公布了：本发明提供了一种基于增量学习的加密流量方法，涉及网络分类流量领域，包括步骤一、对原始流量进行预处理，转换生成三通道RGB图像数据集；步骤二、构建针对小尺寸流量图片的深度残差网络；步骤三、将部分类样本输入深度残差网络训练，实现加密流量分类；步骤四、更新网络模型及参数，训练一种基于类别平衡的损失函数，使其最小化；步骤五、在内存中筛选具有代表性的旧样本，保留旧样本学习经验；步骤六、重复上述步骤三、步骤四、步骤五。本发明能够有效的从动态增长的加密流量数据中实现增量学习，并提高其分类准确率，同时避免模型对新样本的倾斜。

本发明授权一种基于增量学习的加密流量分类方法在权利要求书中公布了：1.一种基于增量学习的加密流量分类方法，其特征在于，包括以下步骤：步骤一、对原始流量进行预处理，转换生成三通道RGB图像数据集；步骤二、构建针对小尺寸流量图片的深度残差网络；步骤三、将部分类样本输入深度残差网络训练，实现加密流量分类；步骤四、更新网络模型及参数，训练一种基于类别平衡的损失函数，使其最小化；步骤五、在内存中筛选具有代表性的旧样本，保留旧样本学习经验；步骤六、重复上述步骤三、步骤四、步骤五；所述步骤一对原始流量进行预处理，并转换生成三通道RGB图像数据集，具体包括：1根据源IP地址、目的IP地址、源端口、目的端口、传输层协议对每条流进行五元组聚类过滤；2删除所有数据包中的MAC地址以及IP地址；3在保持原始流量内容特征的基础上，采用基于数据包拼接的方式强调流量的统计特征，在每个数据包后拼接一定长度的填充字节，不同方向的数据包具有不同的填充值；4考虑到以太网的MTU为1500字节，以3072字节为单位将流量转换成等长数组，并对数组元素进行归一化；5相较于普通的灰度图片构建纹理信息更加丰富的多通道图像，把每个数组元素看作一个图像像素，制作成一张32×32×3大小的三通道RGB图像；6将图像与其标签制作成以字符串序列形式保存的TFRecords格式数据集；所述步骤四基于类别平衡的损失函数公式为：Loss＝1-γLossc+γT2Lossd其中γ为超参数，用于调整分类损失函数与蒸馏损失函数在整体损失函数中的占比；T代表软化softmax函数时的温度；由于加入了新样本后，模型分类层出现了权重改变，使得模型更偏向于新类型的预测；因此，采用偏向向量V来反映模型对每类样本的偏向程度，并通过对其正则化来修正模型的偏向预测；V的定义以及正则化过程如下：V＝∑1-γyi+γT2HTxi 其中，xi表示样本，yi表示其标签，HTxi表示前次模型中logits经过softmax函数后对应的旧样本概率分布；将平衡因子α加入到Lossc与Lossd中：Lossc＝∑Centropyα·Fxi,yi其中，Centropy表示交叉熵函数；Fxi表示当前模型中logits经过softmax函数后对应的新旧样本概率分布；Lossd＝Centropyα·FTxi,HTxi同理，FTxi表示当前模型中logits经过softmax函数后对应的新旧样本概率分布。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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”。