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！

龙图腾网恭喜清华大学;天翼安全科技有限公司申请的专利一种基于翻转图的隐蔽恶意流量识别方法及装置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：CN119743332B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510253580.3，技术领域涉及：H04L9/40；该发明授权一种基于翻转图的隐蔽恶意流量识别方法及装置是由徐恪;李藩;赵乙;李琦;常力元设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种基于翻转图的隐蔽恶意流量识别方法及装置在说明书摘要公布了：本申请提出一种基于翻转图的隐蔽恶意流量识别方法及装置，其中，方法包括：构建流量交互的翻转图，将流作为图中的节点，将流的统计特征作为节点特征，通过流的源地址与目的地址之间的关系确定节点之间的边连接；使用图卷积神经网络进行图学习，对于翻转图中的每个节点，聚合其自身节点特征与邻居节点特征，结合节点标签训练神经网络模型，识别每个节点的恶意程度；构建待检测流的节点特征，在现有翻转图中寻找其邻居节点并计算该流的节点嵌入，并输入至训练好的图卷积神经网络模型中，进行恶意流量识别。本申请能够解决现有图学习算法在流量识别场景下由于难以充分利用边上的流特征信息而学习效果不佳的问题，提高隐蔽恶意流量的识别效果。

本发明授权一种基于翻转图的隐蔽恶意流量识别方法及装置在权利要求书中公布了：1.一种基于翻转图的隐蔽恶意流量识别方法，其特征在于，包括以下步骤：构建流量交互的翻转图，将流作为图中的节点，将流的统计特征作为节点特征，通过流的源地址与目的地址之间的关系确定节点之间的边连接；使用图卷积神经网络进行图学习，对于所述翻转图中的每个节点，聚合其自身节点特征与邻居节点特征，结合节点标签训练神经网络模型，识别每个节点的恶意程度；构建待检测流的节点特征，在现有翻转图中寻找其邻居节点并计算该流的节点嵌入；将所述待检测流的节点嵌入输入至训练好的图卷积神经网络模型中，进行恶意流量识别；所述构建流量交互的翻转图，包括：将已知标签的一系列依时间顺序排列的数据包处理为流，计算每个流的统计特征，并使用字典flows记录流信息，其中，字典flows的键为流标志信息，值为流统计特征，包括包长分布、包间隔分布；将字典flows转换为数组flows_arr，将字典的键和值信息合并作为数组元素内容；使用字典graph记录地址与流的索引关联关系，其中，字典graph的键为源地址和目的地址，值为相应的流索引；对于flows_arr数组中的每个元素，获取其源地址和目的地址，并将该元素的索引分别添加到以源地址和目的地址为键的字典条目中，构建流量交互的翻转图拓扑结构；所述使用图卷积神经网络进行图学习，对于所述翻转图中的每个节点，聚合其自身节点特征与邻居节点特征，结合节点标签训练神经网络模型，识别每个节点的恶意程度，包括：初始化图卷积神经网络模型，所述图卷积神经网络模型包括一个嵌入生成器与一个判别器；其中，所述嵌入生成器用于根据当前节点特征及其邻居节点特征计算当前节点嵌入，所述判别器用于根据当前节点嵌入与节点特征评价节点的恶意程度；训练所述图卷积神经网络模型，定义为节点的特征，为节点的嵌入，为与节点有共同源地址的邻居节点集合，为与节点有共同目的地址的邻居节点集合，从邻居节点集合中随机抽取固定数量的节点用于聚合，并根据邻居节点与当前节点特征的相似度调整聚合权重，分别计算以源地址和目的地址关联的邻居节点的嵌入，并将其结合后作为当前节点的嵌入，融合公式为： 其中，为邻居节点的权重，为邻居节点的特征，表示从集合中随机抽取个元素，表示将两个向量首尾相连拼接为一个向量；将和结合并输入到所述判别器中，得到节点恶意程度评分，对所述判别器输出的节点恶意程度评分与节点标签的差异进行反向传播更新判别器参数；对所述翻转图中的每个节点执行训练过程，并重复多轮，直到所述判别器收敛，最终输出每个节点的恶意性得分，同时记录使得训练数据达到最佳召回率和假阳率平衡的阈值，计算方法为： 其中，和分别为不同阈值下模型的召回率和假阳率。

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清华大学;天翼安全科技有限公司，其通讯地址为：100084 北京市海淀区清华园；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”。