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！

龙图腾网恭喜东南大学申请的专利一种基于加密流量分析的RTC媒体流实时应用识别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：CN115174134B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210529426.0，技术领域涉及：H04L9/40；该发明授权一种基于加密流量分析的RTC媒体流实时应用识别方法是由吴桦;祝成飞;程光;胡晓艳设计研发完成，并于2022-05-16向国家知识产权局提交的专利申请。

本一种基于加密流量分析的RTC媒体流实时应用识别方法在说明书摘要公布了：本发明公开了一种基于加密流量分析的实时通信RTC媒体流实时应用识别方法。该方法首先借助时间窗口将流量划分成流量块，以便根据任意一个块的流量进行分类工作；然后在每个时间窗口划分的流量块中，对单元时间内的数据包进行聚合，从聚合的数据包中提取特征，从而将原始的流量数据表征成特征向量；为了减少内存和功率的消耗，本发明设计了一种轻量级的一维卷积神经网络分类模型，从浅层的特征中自动学习流量的深层高阶特征，实现流量的准确实时分类。本发明提供的方法基于单向的数据流，因此适用于非对称的网络结构。该方法可以从混杂着各种应用的媒体流量中实时识别出媒体流量的所属应用，可用于网络的流量分析和用户服务质量的保证。

本发明授权一种基于加密流量分析的RTC媒体流实时应用识别方法在权利要求书中公布了：1.一种基于加密流量分析的RTC媒体流实时应用识别方法，其特征在于，该方法包括以下步骤：步骤1获取双方通信的RTC流量数据，按照五元组统计单向的数据流；步骤2借助滑动时间窗口，将流量切分成相同时间长度的流量块；步骤3基于步骤2的结果，在每个流量块内，按照数据流对单元时间内的数据包进行聚合，提取聚合数据包的特征，得到时间窗口内的特征序列；步骤4设计了轻量级的1DCNN神经网络模型，以聚合数据包的特征序列作为输入进行模型训练，进行有监督的深度学习，得到训练好的分类模型；步骤5使用步骤4中的分类模型对未参与训练的测试数据进行分类；步骤1中，统计RTC数据流的方法如下：1.1选定待分类的社交软件并捕获特定媒体流的数据，得到带标签的社交软件的媒体流数据集，将数据集手动划分为训练集和测试集；1.2对用户行为持续时间内涉及到的所有五元组数据流即源IP，源Port，目的IP，目的Port，传输协议进行统计，并根据媒体流的类型和所属的应用程序添加标签，步骤2中，基于时间窗口的流量切分方法如下：2.1首先需要设定时间窗口的大小，设置时间长度的大小为Ts，从用户活动时间内的第一个开始传输的数据包开始以步长Ts滑动至最后一个数据包传输结束，将流量划分成时间等长的流量块，每个块内包含多条数据流，在第i个流量块内，如公式1所示，根据五元组统计的所有数据流的集合为Fi，流集Fi中的第j条流表示为fij，代表第i个流量块的第j条流，公式2中，表示第i个流量块内第j条数据流fij的第一个数据包，fij由对应流量块内该数据流的所有数据包构成；Fi＝{fi1,fi2,...fij,...}1 步骤3中流量块内聚合数据包特征提取的具体实现步骤如下：3.1步骤2将流量划分成了等时间长度的流量块，每个块内包含多条数据流，针对数据流fij，对其单元时间Tu内的所有数据包进行聚合，计算数据包大小的总和，得到的聚合数据包的数据量即为该单元时间内的特征值，如公式3所示，数据流fij的第m个特征值是第m个单元时间Tu内所有数据包大小的总和，其中和分别表示第m个时间单元Tu内数据流fij的第一个和最后一个数据包； 3.2针对流量块内的每条数据流，按照时间顺序依次统计每单元时间Tu内聚合数据包的特征值，最终得到公式4中的特征序列它由每个单元时间的特征值构成，另外，每个流量块得到的特征序列的个数与该流集中数据流的条数相等，

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。