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！

龙图腾网获悉厘壮信息科技(苏州)有限公司申请的专利一种基于多模态特征融合的加密流量威胁检测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：CN120415907B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510905353.4，技术领域涉及：H04L9/40；该发明授权一种基于多模态特征融合的加密流量威胁检测方法及装置是由蔡斌;葛云生;丁贇;王坤;李钢设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于多模态特征融合的加密流量威胁检测方法及装置在说明书摘要公布了：本发明公开了一种基于多模态特征融合的加密流量威胁检测方法及装置，涉及网络安全技术领域；通过提取加密流量的统计特征与内容特征，得到多模态训练集；通过多模态训练集结合数据增强、模态对齐损失与跨模态对比损失函数，再结合帝企鹅优化算法得到多模态加密流量特征融合模型；采用GRU模型进行时序建模，通过优化算法结合历史加密流量数据，得到GRU加密流量威胁检测模型；基于多模态加密流量特征融合模型与GRU加密流量威胁检测模型实现实时加密流量威胁分类；本发明通过多模态特征互补性融合、跨模态优化机制及轻量化时序建模，解决了传统方法特征利用不充分、融合效率低及动态威胁检测能力不足的问题，显著提升了检测精度。

本发明授权一种基于多模态特征融合的加密流量威胁检测方法及装置在权利要求书中公布了：1.一种基于多模态特征融合的加密流量威胁检测方法，其特征在于，包括以下步骤： S1、提取加密流量的统计特征与内容特征，得到多模态特征训练集； S2、构建多模态特征融合模型，结合多模态特征训练集以及优化算法寻找多模态特征融合模型的权值矩阵和偏置，得到最优解；将最优解作为多模态特征融合模型的权值矩阵和偏置，得到多模态加密流量特征融合模型； 所述S2包括以下步骤： S21、构建多模态特征融合模型，设定所述多模态特征融合模型的权值矩阵和偏置；所述多模态特征融合模型包含统计特征编码器、内容特征编码器、跨模态投影层； S22、对训练集中的统计特征中的时间间隔添加高斯噪声，随机丢弃部分特征，得到增强统计特征；对训练集中的内容特征中字节序列进行随机掩码、块置换操作，得到增强内容特征； S23、通过所述统计特征编码器、内容特征编码器、跨模态投影层，将增强统计特征、增强内容特征、正样本对和负样本向量化，得到增强统计特征向量、增强内容特征向量、正样本对向量和负样本对向量； S24、将同一会话，增强统计特征与增强内容特征进行匹配，得到正样本对； 将训练集中的不同会话的增强统计特征与增强内容特征进行随机匹配，得到负样本对； S25、通过模态对齐损失函数，计算出增强统计特征向量与增强内容特征向量的差异，得到模态对齐差异； 通过跨模态对比损失函数，计算出正样本对之间的相似度与正样本对和所有负样本对之间相似度的比值，得到跨模态对比差异； 使用优化算法寻找多模态特征融合模型的权值矩阵和偏置，使模态对齐差异与跨模态对比差异最小化，得到最优解；将最优解作为所述多模态特征融合模型的权值矩阵和偏置，得到改进型多模态特征融合模型； 设定所述改进型多模态特征融合模型的特征融合公式； S3、构建GRU模型，收集历史加密流量和历史加密流量威胁标签；提取历史加密流量的统计特征与内容特征，并输入至多模态加密流量特征融合模型，得到历史加密流量多模态融合特征；使用历史加密流量多模态融合特征和历史加密流量威胁标签训练GRU模型，得到GRU加密流量威胁检测模型； 所述S3包括以下步骤： S31、构建GRU模型，设定GRU的初始学习率； S32、收集历史加密流量，提取历史加密流量的统计特征和内容特征，设定历史加密流量数据正常标签和异常标签，得到历史加密流量威胁标签；将历史加密流量的统计特征和内容特征输入至改进型多模态特征融合模型，得到历史加密流量多模态融合样本特征； S33、使用历史加密流量多模态融合特征和历史加密流量威胁标签，对GRU模型进行训练，训练过程中结合网格搜索结合交叉验证算法寻找GRU模型的学习率，得到最优学习率，将所述最优学习率作为GRU模型的学习率，得到GRU加密流量威胁检测模型； S4、收集实时加密流量，提取实时加密流量的统计特征与内容特征，并输入至多模态加密流量特征融合模型，得到实时加密流量多模态融合特征并输入至GRU加密流量威胁监测模型，得到实时加密流量的威胁检测结果。

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厘壮信息科技(苏州)有限公司，其通讯地址为：215600 江苏省苏州市张家港市凤凰镇凤凰大道7号凤凰科技创业园B幢2楼；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”。