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！

龙图腾网恭喜中国科学院信息工程研究所申请的专利一种基于度量空间下去中心化应用加密流量分类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：CN114021637B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202111282170.X，技术领域涉及：G06F18/241；该发明授权一种基于度量空间下去中心化应用加密流量分类方法及装置是由李镇;石俊峥;王宇;苟高鹏;管洋洋;扶佩佩;熊刚设计研发完成，并于2021-11-01向国家知识产权局提交的专利申请。

本一种基于度量空间下去中心化应用加密流量分类方法及装置在说明书摘要公布了：本发明公开了一种基于度量空间下去中心化应用加密流量分类方法及装置，包括收集去中心化应用的加密流量，对各加密流量标记应用；利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本；将聚类结果中任一困难样本作为正样本F，该正样本F所属类别的簇中心点作为正样本簇中心CF，其他类别中的任一困难样本作为负样本F′i，该负样本F′i所属类别的簇中心点作为以构建若干四元组利用四元组S对四重网络进行训练，得到分类模型；将测试集中的样本输入分类模型，在度量空间下计算相似度，获取目标加密流量的分类结果。本发明提供包含更多信息的优质样本，有效的筛选简单数据集，通过网络自动学习有效特征，使DApps分类更加高效、更加准确。

本发明授权一种基于度量空间下去中心化应用加密流量分类方法及装置在权利要求书中公布了：1.一种基于度量空间下去中心化应用加密流量分类方法，其步骤包括：1收集去中心化应用的加密流量，对各加密流量标记应用；2利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本；其中，所述利用各加密流量的特征向量，进行聚类，以划分简单样本和困难样本，包括：使用基于距离的聚类算法Mini-BatchK-Means将特征向量聚类成簇，再通过K-Means对单个簇的样本聚类获得簇中心点和半径；根据真实标签和聚类标签，通过Kuhn-Munkres算法，得到真实标签和聚类标签的映射关系；针对无聚类标签的类别，选择各自类样本中距离已存在簇中心点最大的样本点作为类中心；通过与簇中心点距离设定阈值筛选简单样本，并将剩余样本归为困难样本；3将聚类结果中任一困难样本作为正样本F，该正样本F所属类别的簇中心点作为正样本簇中心CF，其他类别中的任一困难样本作为负样本F′i，该负样本F′i所属类别的簇中心点作为以构建若干四元组4利用四元组S对四重网络进行训练，得到分类模型；其中，所述四重网络是将三重网络的锚点和负样本点分别用各自类别簇中心替换，并增加一个负样本点；所述负样本点是通过FE-set算法所得到的与簇中心点距离最近的20个类别中的类中心点；所述FE-set算法采用欧式距离作为样本对间的相似性计算，使用基于距离的聚类算法Mini-BatchK-Means使之聚类为K个簇，并再通过K-Means对单个簇的样本聚类获得簇中心C和半径R；根据真实标签和聚类标签，通过最大匹配Kuhn-Munkres算法，得到真实标签和聚类标签的映射关系；针对无聚类标签的类别，选择各自类样本中距离已存在簇中心最大的样本点作为类中心；通过与中心C距离设定阈值ρ*半径R，划分简单样本和困难样本；所述利用四元组S对四重网络进行训练是指将FE-set算法所学习到的各类别间的相似度信息融入到损失函数的阈值中；5将测试集中的样本输入分类模型，在同一度量空间中计算相似度，获取目标加密流量的分类结果。

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中国科学院信息工程研究所，其通讯地址为：100093 北京市海淀区闵庄路甲89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”。