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！

龙图腾网获悉浙江工业大学申请的专利一种基于样本增强与对比学习的恶意网络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：CN117034112B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311005429.5，技术领域涉及：G06F18/241；该发明授权一种基于样本增强与对比学习的恶意网络流量分类方法是由陈铁明;谢京希;吕明琪;朱添田设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种基于样本增强与对比学习的恶意网络流量分类方法在说明书摘要公布了：本发明属于网络安全和深度学习技术领域，具体涉及一种基于样本增强与对比学习的恶意网络流量分类方法。获取网络流量，抽取网络流量特征，构建网络流量样本集，对网络流量特征进行预处理，构建预训练集；训练基础模型，并计算损失值，根据损失值计算基础模型的参数并更新，得到对比学习恶意流量分类模型；采用对比学习恶意流量分类模型在新任务中进行恶意流量分类。本发明采用轻资源占用的浅层神经网络架构的基础模型，占用资源少，运行效率高；采用随机遮掩网络流量特征构造对比任务的启发式方法，可以进行数据增强；对比学习恶意流量分类模型具有良好的分类性能来区分已知网络流量类别，并能够分类未知的小样本恶意网络流量。

本发明授权一种基于样本增强与对比学习的恶意网络流量分类方法在权利要求书中公布了：1.一种基于样本增强与对比学习的恶意网络流量分类方法，其特征在于，所述基于样本增强与对比学习的恶意网络流量分类方法，包括： 获取N类网络流量，每一类网络流量包含多个样本，抽取每个样本的多个网络流量特征形成样本对应的特征向量，构建网络流量样本集，所述网络流量样本集包括网络流量和对应的网络流量特征； 对网络流量特征进行预处理，得到每个样本的增强集； 对每一类网络流量包含的所有样本的增强集取并集，对于每一并集中的每一个样本，遍历同一个并集中的其他样本组成正样本对，取一个其他并集遍历样本组成负样本对，给每个样本对设置标签，将得到的正负样本对的集合作为预训练集； 构建基础模型，将预训练集中的样本对中两个样本的特征向量归一化之后作为基础模型的输入，得到样本对的两个处理后的特征向量； 计算样本对的两个处理后的特征向量的相似度，识别样本对的标签得到标签判定值，并计算损失值，根据损失值计算基础模型的参数并更新，得到对比学习恶意流量分类模型； 采用对比学习恶意流量分类模型在新任务中进行恶意流量分类； 其中， 所述对网络流量特征进行预处理，得到每个样本的增强集，包括： 在网络流量样本集上训练n个网络流量分类模型，将第j类网络流量的特征向量输入第i个网络流量分类模型，得到分类准确率acci,j； 将第d个网络流量特征输入第i个网络流量分类模型，得到重要度权重weighti,d，所述第d个网络流量特征属于第j类网络流量； 根据分类准确率acci,j和重要度权重weighti,d计算重要度权重Ij,d，用公式表示如下： 其中，Ij,d表示第d个网络流量特征对第j类网络流量的重要度权重； 网络流量样本集中第a个样本sa的网络流量特征表征为特征向量xa，所述样本sa属于第j类网络流量，计算第j类网络流量中每个网络流量特征的遮掩概率，用公式表示如下： 其中，Pj,d表示第j类网络流量的所有样本的第d个网络流量特征的遮掩概率； 根据遮掩概率在特征向量xa中随机挑选L个网络流量特征进行遮掩，遮掩后得到样本sa的一个增强样本，重复随机挑选和遮掩操作m次，得到m个增强样本，将特征向量xa和m个增强样本的集合作为样本sa的增强集。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。

以上内容由龙图腾AI智能生成。