買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉信聯科技(南京)有限公司;北京信聯數安科技有限公司申請的專利一種基于深度學習和圖神經網絡的網絡協議逆向解析方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120321322B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510815256.6，技術領域涉及：H04L69/22；該發明授權一種基于深度學習和圖神經網絡的網絡協議逆向解析方法是由李明柱;張勝;劉瑞斌設計研發完成，并于2025-06-18向國家知識產權局提交的專利申請。

本一種基于深度學習和圖神經網絡的網絡協議逆向解析方法在說明書摘要公布了：本發明公開了一種基于深度學習和圖神經網絡的網絡協議逆向解析方法，包括基礎字段檢測：采用滑動窗口嵌入、雙向LSTM編碼和知識增強型CRF解碼對二進制數據流進行字節級特征提取，輸出結構化字段標注序列；基于所述序列進行協議格式聚類：通過改進的Needleman?Wunsch算法計算多維度相似度，結合LSH優化的動態密度聚類算法實現未知協議的自動歸類，輸出協議簇；基于所述協議簇進行復合結構解析：基于圖神經網絡構建協議語法樹，通過圖注意力網絡GAT注意力機制進行多輪消息傳遞，識別嵌套結構并遞歸解析，生成多層次協議語法樹。本發明能夠顯著提升復雜協議解析的自動化程度與準確性。

本發明授權一種基于深度學習和圖神經網絡的網絡協議逆向解析方法在權利要求書中公布了：1.一種基于深度學習和圖神經網絡的網絡協議逆向解析方法，其特征在于，包括： 步驟1，基礎字段檢測：采用滑動窗口嵌入、雙向LSTM編碼和知識增強型CRF解碼對二進制數據流進行字節級特征提取，輸出結構化字段標注序列，具體的， 步驟1.1，對輸入二進制數據流進行滑動窗口處理，對每個中心字節前后2個字節的嵌入向量進行拼接，生成640維組合特征向量，構造局部上下文； 步驟1.2，通過雙向LSTM網絡提取全局上下文特征，輸出512維隱狀態序列； 步驟1.3，采用知識增強型CRF解碼器，通過動態優先級注入機制調整標簽轉移權重，輸出字段起始偏移量、長度、類型及置信度的四元組序列； 步驟2，基于所述序列進行協議格式聚類：通過改進的Needleman-Wunsch算法計算多維度相似度，結合LSH優化的動態密度聚類算法實現未知協議的自動歸類，輸出協議簇，具體的， 步驟2.1，將字段標注序列轉換為歸一化位置與類型的混合表示； 步驟2.2，基于改進的Needleman-Wunsch算法進行多維度對齊，結合類型匹配得分函數和非線性長度懲罰機制計算協議相似度，其中，多特征融合相似度函數的構建具體包括： 步驟2.21，采用改進的Needleman-Wunsch算法對兩條標注序列進行全局對齊，其動態規劃遞推公式為：， 式中，表示兩條協議標注序列的前個元素和的個元素進行全局序列對齊時的最大相似度得分，、為序列中的元素，分別為其中類型匹配得分函數M定義為：， 式中表示序列中的第個字段的類型標識，表示序列中的第個字段的類型標識，間隙懲罰系數；步驟2.22，對齊完成后，通過下式計算綜合相似度：， 式中，為位置權重，為長度懲罰因子，為類型匹配得分函數，K為字段對齊后得到的匹配字段對的數量，和分別表示第對匹配字段在和中的字段長度，和分別表示第對匹配字段在序列和中的字段類型； 步驟2.3，采用局部敏感哈希LSH優化的動態密度聚類算法，通過鄰域半徑自適應調節實現協議簇的細粒度劃分，包括：初始鄰域半徑取數據集中兩兩樣本相似度的第i百分位數，在迭代過程中根據簇密度動態收縮：，其中，為新的鄰域半徑，為當前的鄰域半徑，為收縮率，為已識別密集簇的樣本數，為總樣本數；通過動態調整策略，對密集協議進行細粒度劃分，同時避免對稀疏協議簇的過分割； 步驟3，基于所述協議簇進行復合結構解析：基于圖神經網絡構建協議語法樹，通過圖注意力網絡GAT注意力機制進行多輪消息傳遞，識別嵌套結構并遞歸解析，生成多層次協議語法樹，以表征協議結構。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人信聯科技(南京)有限公司;北京信聯數安科技有限公司，其通訊地址為：211106 江蘇省南京市江寧經濟技術開發區東吉大道1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。