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！

龙图腾网恭喜南京工业大学申请的专利基于深度学习模型的加密流量识别分类的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：CN115378701B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202211004055.0，技术领域涉及：H04L9/40；该发明授权基于深度学习模型的加密流量识别分类的方法是由万夕里;朱姝妍;管昕洁设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于深度学习模型的加密流量识别分类的方法在说明书摘要公布了：本发明公开了一种基于深度学习模型的加密流量识别分类的方法，本方法首先对原始数据进行预处理，然后在时空维度上，利用ResNet‑TCN模型提取时空特征，利用ResNet学习空间特征，ResNet解决深层网络梯度消失、难训练的问题；在时间维度上，利用TCN网络学习加密流量之间潜在的时序特征；利用训练好的模型对加密网络流量进行识别和分类。本发明提高了加密流量识别和分类的精确度，实现了更高的分类性能，解决了现有的加密网络流量识别分类方法采用CNN和RNN等识别分类的精确度和效率不高等问题。

本发明授权基于深度学习模型的加密流量识别分类的方法在权利要求书中公布了：1.一种基于深度学习模型的加密流量识别分类的方法，其特征是包括以下步骤：步骤一：对原始流量数据进行预处理来获得用于作为网络加密流量分类模型输入的加密流量数据向量；步骤二：构建基于残差网络ResNet和时域卷积网络TCN的网络加密流量分类模型；步骤三：通过ResNet模型提取加密流量数据的空间特征；通过TCN模型提取加密流量数据的时间特征；所述步骤二中，构建ResNet-TCN框架，并进行学习和训练；ResNet-TCN框架包括残差网络ResNet和时域卷积网络TCN，其中：1）残差网络ResNet的网络结构是按照数据传输方向，包括输入层、卷积层、多个残差块、池化层和全连接层；每个残差块是由两个3*3的卷积网络串接在一起构成；多个残差块堆叠；输入的加密流量数据通过多次卷积后输出；在输出层中，输出与输入相加；最终提取得到加密流量数据的空间特征；2）时域卷积网络TCN的网络结构是由第一层的膨胀因果卷积、权重归一化、激活函数ReLU和Dropout，以及第二层的膨胀因果卷积、权重归一化、激活函数ReLU和Dropout构成；第一层的输出为第二层的输入；每一层中，按照数据传输方向依次是膨胀因果卷积、权重归一化、激活函数ReLU和Dropout；3）经过ResNet处理的数据作为输入，送入TCN中提取时序特征；TCN与ResNet最后一层的输出拼接后，利用全连接分类对得到的特征进行分类，由softmax函数输出预测结果。

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南京工业大学，其通讯地址为：211899 江苏省南京市江北新区浦珠南路30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”。