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！

龙图腾网恭喜浙江大学;杭州高新区(滨江)区块链与数据安全研究院申请的专利一种基于增量学习的恶意加密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：CN119316233B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411855149.8，技术领域涉及：H04L9/40；该发明授权一种基于增量学习的恶意加密流量检测方法及系统是由张伟业;谭浩瀚;刘振广;陈建海;任奎设计研发完成，并于2024-12-17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恶意加密流量检测方法及系统在说明书摘要公布了：本发明公开了一种基于增量学习的恶意加密流量检测方法及系统，属于网络安全技术领域。采用双层嵌套的数据组织结构将原始流量处理为标准化特征序列，构建样本集；利用样本集对恶意流量检测模型进行预训练；对预训练后的恶意流量检测模型采用增量学习方式优化模型参数，在增量学习过程中设有用于存储历史训练样本及其模型输出结果、样本标签的经验缓冲区，并随着模型参数优化过程不断更新；结合动态经验回放、稳定性约束和双层元更新机制，解决模型在持续学习过程中的灾难性遗忘问题；最后使用训练完毕的上述模型对待检测数据进行检测。本发明能够有效提升恶意加密流量的检测准确性，并通过增量学习保持模型的持续适应能力，具有良好的实用价值。

本发明授权一种基于增量学习的恶意加密流量检测方法及系统在权利要求书中公布了：1.一种基于增量学习的恶意加密流量检测方法，其特征在于，包括以下步骤：（1）采用双层嵌套的数据组织结构将原始流量处理为标准化特征序列，所述原始流量包括正常加密流量和恶意加密流量，构建样本集；所述的双层嵌套的数据组织结构包括外层的网络流对象和内层的数据突发对象，所述的网络流对象的特征包括会话标识信息、时间序列信息、统计计量信息和用于存储原始流量包含的所有数据突发对象的突发序列容器；所述的数据突发对象的特征包括方向标识信息、时间戳信息、以及数据突发对象所包含的所有数据包数量和累积字节长度；（2）利用样本集对恶意流量检测模型进行预训练；（3）对预训练后的恶意流量检测模型采用增量学习方式优化模型参数，在增量学习过程中设有用于存储历史训练样本及其模型输出结果、样本标签的经验缓冲区，所述的经验缓冲区随着模型参数优化过程不断更新；所述的采用增量学习方式优化模型参数，包括：在模型分类损失的基础上，采用稳定性约束机制限制历史训练样本的模型输出结果的波动程度并计算稳定性约束损失，采用经验回放机制自适应调整从经验缓冲区的采样数量并计算经验回放损失；结合所述的模型分类损失、稳定性约束损失和经验回放损失，采用双层元更新机制迭代优化批内模型参数和批间模型参数；（4）利用参数优化后的恶意流量检测模型检测加密流量是否为恶意加密流量。

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浙江大学;杭州高新区(滨江)区块链与数据安全研究院，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。