Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京兰云科技有限公司;东南大学黄湘岚获国家专利权

北京兰云科技有限公司;东南大学黄湘岚获国家专利权

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!

龙图腾网获悉北京兰云科技有限公司;东南大学申请的专利一种面向卫星互联网的Tor网站指纹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:CN121479525B

龙图腾网通过国家知识产权局官网在2026-04-17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:202511762195.8,技术领域涉及:G06F18/2415;该发明授权一种面向卫星互联网的Tor网站指纹识别方法是由黄湘岚;易建超;王良民;黎虹君;施家栋;周宏斌;周强设计研发完成,并于2025-11-27向国家知识产权局提交的专利申请。

一种面向卫星互联网的Tor网站指纹识别方法在说明书摘要公布了:本发明涉及网络安全领域与深度学习深领域,具体是一种面向卫星互联网的Tor网站指纹识别方法,通过构建自监督对比学习框架实现,生成多视图增样本;提取时序粒度的特征矩阵;基于线性插入生成合成负样本,与正样本构建对比对;提取轨迹表示,结合交叉熵损失与掩码重建损失进行联合优化。本发明较之于传统的网站指纹识别方法,能够增强模型对多普勒效应引起的卫星固有噪声的鲁棒性。本发明的弱增强与强增强视图提供多尺度语义特征,合成负样本提高了类间区分度,降低误判率;联合损失优化框架则使模型兼顾全局统计特性与局部突发特征,在卫星互联网星座的强动态拓扑和有限标注条件下,显著提升了网站指纹识别的准确率与适配性。

本发明授权一种面向卫星互联网的Tor网站指纹识别方法在权利要求书中公布了:1.一种面向卫星互联网的Tor网站指纹识别方法,其特征在于,包括以下步骤: 步骤1、数据预处理与增强样本生成;对原始网络流量提取数据包级特征并转换为时间序列;对原始网络流量进行样本增强得到弱增强视图和强增强视图,形成双视图增强轨迹对,为弱增强视图,为强增强视图; 步骤2、提取时隙级流量聚合矩阵SAM,即基于双视图增强轨迹对构建时隙级的增强流量聚合矩阵SAM;与分别对应由弱增强视图和强增强视图生成的时隙级流量聚合矩阵; 步骤3、生成合成负样本;将增强流量聚合矩阵输入多尺度卷积编码器,通过多层卷积与池化操作提取每条轨迹的时序特征嵌入向量;计算识别每个类别样本的潜在边界区域,生成合成负样本;分别表示弱增强后流量与强增强后流量对应的时序特征嵌入向量; 步骤4、特征表示学习,即将双视图增强轨迹对和合成负样本的流量轨迹组合得到流量聚合矩阵,然后将流量聚合矩阵输入多尺度卷积编码模块,通过多层卷积与池化操作提取多尺度时序模式获得高维表示向量; 步骤5、对比学习与联合优化,即将双增强轨迹得到的增强流量聚合矩阵构建为正样本对,以合成负样本及非同类别的其他样本作为负样本对,形成自监督对比学习任务;同时引入基于掩码重建操作,即对部分遮蔽的流量序列片段进行还原;通过联合对比损失、重建损失和交叉熵损失对训练过程进行优化; 步骤S6、利用经自监督对比学习优化训练完成的模型,对卫星互联网环境中的未知网站流量轨迹进行特征提取与匹配,生成对应的网站指纹表示,并输出网站识别结果。

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北京兰云科技有限公司;东南大学,其通讯地址为:100085 北京市海淀区上地东路5号院4号楼3层308;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。