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！

龙图腾网恭喜江苏大学申请的专利一种基于多头自注意力机制的漏洞利用攻击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：CN115277216B 。

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：202210905960.7，技术领域涉及：H04L9/40；该发明授权一种基于多头自注意力机制的漏洞利用攻击加密流量分类方法是由陈锦富;马亮;蔡赛华;殷上;宋锣设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于多头自注意力机制的漏洞利用攻击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多头自注意力机制的漏洞利用攻击加密流量分类方法。包括：步骤1：将待分类的加密流量数据解析为json格式数据，并对解析数据进行过滤清理；步骤2：分析漏洞利用攻击加密流量中元数据和TLS协议中的关键特征，提取出流量分类所需核心特征，最终转化为CSV格式文件；步骤3：将处理后的加密流量数据按比例划分为训练集和测试集，将恶意攻击流量种类作为标签，用训练集对多头自注意力机制模型进行训练，用测试集对模型进行评判，再对模型进行优化并获得最终漏洞利用攻击加密流量分类模型；步骤4：按步骤1对待测加密流量进行预处理，接着按步骤2进行特征提取，将提取后的特征输入到训练好的分类模型中，得到最终流量分类结果。

本发明授权一种基于多头自注意力机制的漏洞利用攻击加密流量分类方法在权利要求书中公布了：1.一种基于多头自注意力机制的漏洞利用攻击加密流量分类方法，其特征在于，包括如下步骤：步骤1，将待分类的加密流量数据解析为json格式数据，并对解析后的数据进行过滤清理；步骤2，分析漏洞利用攻击加密流量中元数据和TLS协议中的关键特征，提取出流量分类所需的核心特征，最终转化为CSV格式文件；步骤3，将处理后的加密流量数据按比例划分为训练集和测试集，将恶意攻击流量种类作为标签，用训练集对多头自注意力机制网络模型进行训练，用测试集对模型进行评判，再对模型进行优化并获得最终漏洞利用攻击加密流量分类模型；步骤4，按步骤1对待测加密流量进行预处理，接着按步骤2进行特征提取，将提取后的特征输入到训练好的分类模型中，得到最终流量分类结果；所述步骤3的具体实现包括如下步骤：步骤3.1，将处理后的流量数据按照8:2的比例划分为训练集和测试集；步骤3.2，构建基于多头自注意力MHSA机制的神经网络漏洞利用攻击加密流量分类模型TLS-MHSA，将预处理后的流量数据输入到TLS-MHSA中，模型包含输入层、嵌入层、多头自注意力层和输出层；首先，将预处理后的网络流量特征向量x输入到输入层，然后通过嵌入层将所有特征都映射到相同的低维空间并输出低维向量；接着，将这些向量通过多头自注意力机制映射到多个子空间中组合为不同的高阶特征；通过多个多头自注意力层的堆叠可以获得多种高阶特征组合，并通过注意力机制进行评判特征组合的有效性；最后，将上层获取的特征组合向量输入到全连接层，并通过softmax函数输出分类结果；步骤3.3，使用步骤3.1中划分的训练集对分类模型进行训练，使用对应的测试集进行评判以及参数优化，获得最终的漏洞利用攻击加密流量分类模型；获取的高阶特征组合步骤如下，假如为特征a，则有：1选取任意其他特征b，计算在注意力头h下特征a和b相关性分数，计算公式如下： 其中，A代表特征类别的总数，Sh为注意力打分函数，选择了常见的点积模型，公式如下： 其中，都属于变换矩阵，它们所在的维度都是d′×d，也就是原始嵌入空间Rd映射到新空间Rd′的变换矩阵，可以分别将流量特征a和b的向量表示为ea和eb，也就是将特征向量从d维的空间变化到d′维的空间；2通过系数引导所有相关联的特征来更新特征a在子空间h中的注意力权重，也就是每个特征表示成所有其他相关特征的加权和，学习到的新的特征可以表示为如下公式： 其中，的维度也是d′×d，d′维空间的特征是在子空间h下特征a与和它有相关性的特征交叉而得到的组合特征，它代表学习到了一种新的组合特征；3利用多头自注意力机制将自注意从一个头部拓展到了多个头部，这样可以从不同头部表示的子空间中学习到不相同的特征交叉信息，不同头部学习到的特征交叉结果可以按照如下公式串联在一起，其中符号代表串联的操作，H代表多头自注意力机制使用的头数，是在子空间ii＝1,2,…,H下特征a与和它有相关性的特征交叉而得到的组合特征，特征交叉结果的公式如下： 为了使得模型在学习到流量的高阶特征的同时也能保留低阶的原始流量特征，也将经典的残差网络加入到了多头自注意力层，其中WRes是为了将ea的维度与对齐，ReLUt＝max0,t是非线性激活函数，公式如下： 输出层是由全连接层和softmax共同组成的分类器，其中，全连接层会将输入的特征向量通过线性变换，映射到样本标记空间RC中，获得向量z∈RC，其中C是待分类的流量总类别数，接着，使用softmax分类函数对特征向量进行分类，获得最终分类结果。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。