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！

龙图腾网恭喜湖南工商大学申请的专利基于联邦学习的加密网络流量包特征提取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：CN115459937B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210665402.8，技术领域涉及：H04L9/40；该发明授权基于联邦学习的加密网络流量包特征提取方法是由张平;唐艳艳设计研发完成，并于2022-05-11向国家知识产权局提交的专利申请。

本基于联邦学习的加密网络流量包特征提取方法在说明书摘要公布了：本发明公开了一种基于联邦学习的加密网络流量包特征提取方法。该方法可以自动提取原始加密网络流量包中蕴含的特征信息，不需要手动进行特征信息的设计、选择和提取。该方法采用了一维卷积神经网络和注意力机制等技术，大幅度提升了所提取特征信息的代表能力。该方法适用于分布式场景，可以整合不同网络节点上收集的样本数据，提升模型训练精度，进而在分布式场景中的不同网络节点间，实现模型级别的样本数据共享，可以在一定程度上保障原始数据的安全。该方法可以作为子模块的形式，应用到新类型加密流量包的检测、现有类型加密流量包分类、新类型加密流量包类别标注等不同场景中。

本发明授权基于联邦学习的加密网络流量包特征提取方法在权利要求书中公布了：1.一种基于联邦学习的加密网络流量包特征提取方法，其特征在于，包括以下步骤：1准备阶段：多个网络流量监测节点分别对各自负责的不同网络区域的网络流量进行监测；各个网络流量监测节点分别独立地收集了一定数量的已经进行类别标注的网络流量包样本；2特征提取模型的构建：网络流量包特征提取模型fθ表示成v＝fθx，其中x为加密网络流量包，v是通过模型提取的特征向量，下标θ代表模型fθ的参数；该特征提取模型fθ至少包括一个一维卷积层和一个注意力层；注意力层的输出经过变换后转化成一组权值；该组权值用作一维卷积层不同通道的权值，用于改变一维卷积层原有输出值；作为优化，该特征提取模型fθ还包括一维池化层、全连接层和激活层；3接口模型的构建：接口模型fe由softmax和argmax两个模块嵌套构成；该接口模型表示成y＝fev＝argmaxsoftmaxv，其中，下标e代表模型fe的参数；4优化方程的构建：优化方程表示成其中l是损失函数；5模型的分布式训练：多个网络流量监测节点，利用第1步所述的各自收集的已标注样本，采用协同合作的方式，按照第4步给出的优化方程，对第2步的特征提取模型fθ进行训练，直到模型收敛或者达到一个预先设定的误差阈值。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569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”。