買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉清華大學(xué)申請(qǐng)的專利基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法、模型訓(xùn)練方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120180506B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510653844.4，技術(shù)領(lǐng)域涉及：G06F21/62；該發(fā)明授權(quán)基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法、模型訓(xùn)練方法及裝置是由謝石林;李風(fēng)華;王繼龍?jiān)O(shè)計(jì)研發(fā)完成，并于2025-05-21向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法、模型訓(xùn)練方法及裝置在說明書摘要公布了：本申請(qǐng)?zhí)岢鲆环N基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法、模型訓(xùn)練方法及裝置。其中，該流量數(shù)據(jù)脫敏方法包括：采用傳輸層五元組將原始網(wǎng)絡(luò)流量數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)流，對(duì)同一個(gè)數(shù)據(jù)流中的至少一個(gè)時(shí)序單元進(jìn)行特征提取與格式轉(zhuǎn)換，得到每個(gè)時(shí)序單元的灰度圖像；將每個(gè)數(shù)據(jù)流之中每個(gè)時(shí)序單元的灰度圖像輸入至預(yù)先訓(xùn)練好的流量數(shù)據(jù)脫敏模型中進(jìn)行脫敏處理，獲得流量數(shù)據(jù)脫敏模型輸出的每個(gè)時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像；將每個(gè)數(shù)據(jù)流之中每個(gè)時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像進(jìn)行反量化處理以還原為二進(jìn)制數(shù)據(jù)流，得到原始網(wǎng)絡(luò)流量數(shù)據(jù)對(duì)應(yīng)的脫敏流量數(shù)據(jù)。本申請(qǐng)能夠在保證流量可用性的前提下，實(shí)現(xiàn)流量數(shù)據(jù)的有效脫敏。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法、模型訓(xùn)練方法及裝置在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的流量數(shù)據(jù)脫敏方法，其特征在于，包括： 采用傳輸層五元組將原始網(wǎng)絡(luò)流量數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)流，對(duì)同一個(gè)所述數(shù)據(jù)流中的至少一個(gè)時(shí)序單元進(jìn)行特征提取與格式轉(zhuǎn)換，得到每個(gè)所述時(shí)序單元的灰度圖像；每個(gè)所述時(shí)序單元包含連續(xù)多個(gè)數(shù)據(jù)包； 將每個(gè)所述數(shù)據(jù)流之中每個(gè)所述時(shí)序單元的灰度圖像輸入至預(yù)先訓(xùn)練好的流量數(shù)據(jù)脫敏模型中進(jìn)行脫敏處理，獲得所述流量數(shù)據(jù)脫敏模型輸出的每個(gè)所述時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像；其中，所述流量數(shù)據(jù)脫敏模型為面向隱私保護(hù)的流量特征重構(gòu)模型； 將每個(gè)所述數(shù)據(jù)流之中每個(gè)所述時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像進(jìn)行反量化處理以還原為二進(jìn)制數(shù)據(jù)流，得到所述原始網(wǎng)絡(luò)流量數(shù)據(jù)對(duì)應(yīng)的脫敏流量數(shù)據(jù)； 其中，所述流量數(shù)據(jù)脫敏模型的網(wǎng)絡(luò)結(jié)構(gòu)為基于視覺Transformer構(gòu)建的深度自編碼網(wǎng)絡(luò)，包括編碼器和解碼器；所述流量數(shù)據(jù)脫敏模型通過以下方式訓(xùn)練得到的： 采用傳輸層五元組將網(wǎng)絡(luò)流量樣本數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)流，對(duì)同一個(gè)所述數(shù)據(jù)流中的至少一個(gè)時(shí)序單元進(jìn)行特征提取與格式轉(zhuǎn)換，得到每個(gè)所述時(shí)序單元的灰度圖像；每個(gè)所述時(shí)序單元包含連續(xù)多個(gè)數(shù)據(jù)包； 基于每個(gè)所述數(shù)據(jù)流之中每個(gè)所述時(shí)序單元的灰度圖像，采用第一重構(gòu)損失值對(duì)流量數(shù)據(jù)脫敏模型進(jìn)行預(yù)訓(xùn)練，包括：將每個(gè)所述時(shí)序單元的灰度圖像劃分為多個(gè)像素塊序列；通過所述編碼器按照第一掩碼率對(duì)所述多個(gè)像素塊序列進(jìn)行掩碼處理；利用多頭自注意力機(jī)制對(duì)經(jīng)過掩碼處理后的像素塊序列進(jìn)行處理以得到跨區(qū)塊的全局依賴關(guān)系信息；基于所述跨區(qū)塊的全局依賴關(guān)系信息在隱空間構(gòu)建流量特征的分布式表示；通過所述解碼器對(duì)所述編碼器輸出的流量特征分布式表示進(jìn)行重構(gòu)處理，以得到每個(gè)所述時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像；根據(jù)每個(gè)所述時(shí)序單元的灰度圖像和每個(gè)所述時(shí)序單元的流量數(shù)據(jù)脫敏重建圖像確定第一重構(gòu)損失值，并基于所述第一重構(gòu)損失值對(duì)流量數(shù)據(jù)脫敏模型進(jìn)行訓(xùn)練； 在預(yù)訓(xùn)練的基礎(chǔ)上，將預(yù)訓(xùn)練完成的流量分類器作為判別器，并基于所述判別器綜合使用統(tǒng)計(jì)損失值、分類損失值和第二重構(gòu)損失值對(duì)流量數(shù)據(jù)脫敏模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的流量數(shù)據(jù)脫敏模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人清華大學(xué)，其通訊地址為：100084 北京市海淀區(qū)清華園；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。