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！

龍圖騰網獲悉南京郵電大學申請的專利一種基于Transformer的綜合特征網絡流量分類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：CN118740428B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202410748223.X，技術領域涉及：H04L9/40；該發明授權一種基于Transformer的綜合特征網絡流量分類方法是由趙莎莎;馮向南;張登銀;陳何;陶藝瑤;張娣設計研發完成，并于2024-06-11向國家知識產權局提交的專利申請。

本一種基于Transformer的綜合特征網絡流量分類方法在說明書摘要公布了：本發明涉及一種基于Transformer的綜合特征網絡流量分類方法，本發明的綜合特征網絡流量分類方法，同時考慮了流量數據的統計特征、全局特征、局部特征和時序特征，充分利用了不同特征的優勢，能夠有效提升網絡流量分類的全面性和精確性。基于深度學習的方法需要統一流量大小，這將導致有關網絡流量整體結構的信息丟失。將基于自編碼器提取的統計特征、基于卷積神經網絡提取的局部特征、基于Transformer提取的全局特征和基于門控循環單元提取的時序特征進行特征融合，生成綜合流量特征，使得特征集更加全面，從而提高分類器的性能。在分類模塊中，結合使用瓶頸模塊和殘差連接，在保持模型性能的同時，減少計算和存儲的需求，使得模型更加適合處理大規模的一維數據。

本發明授權一種基于Transformer的綜合特征網絡流量分類方法在權利要求書中公布了：1.一種基于Transformer的綜合特征網絡流量分類方法，其特征在于，所述方法包括以下步驟： S1：數據預處理； S2：采用不同的特征提取方式提取網絡流量數據中的各個數據樣本對應的統計特征、全局特征、局部特征和時序特征； S3：將統計特征向量、全局特征向量、局部特征向量和時序特征向量進行特征融合，生成綜合特征； S4：基于所述綜合特征，采用全連接網絡，使用softmax函數分類，輸出加密流量分類結果； 步驟S2具體包括： S201：從原始網絡流量數據中提取統計特征， S202：經過S1后的數據通過基于Transformer的特征提取模塊提取流量數據的全局特征； S203：經過S1后的數據通過基于一維卷積的特征提取模塊提取流量數據的局部特征， S204：經過S202和S203獲得的全局特征和局部特征進行特征融合，融合后的特征利用門控循環單元提取關鍵時序特征； S204具體如下： 步驟1，上下采樣完成后，對生成的全局特征和局部特征進行特征展開，生成一維特征向量，然后進行特征向量拼接，生成初始綜合流量； 步驟2，對所述初始綜合流量利用門控循環單元進一步提取關鍵時序特征信息；所述門控循環單元，具體包括： 門控循環單元通過更新門和重置門來控制信息的流動，重置門和更新門的輸入是由前一個時間步的隱狀態和當前時間步的輸入構成的，這兩個輸入會被放到sigmoid激活函數中的全連接層進行計算，最后得到這個兩個門的結果，重置門和更新門的計算過程具體包括： 對于給定的任意時間步t，假設輸入為一個小批量的數據Xt，前一個時間步的隱狀態為Ht-1，則更新門Zt和重置門Rt的計算公式如下： Zt＝σXtWxz+Ht-1Whz+bz Rt＝σXtWxr+Ht-1Whr+br 其中Wxz，Wxr，Whz，Whr為權重參數，bz，br為偏置參數，σ函數為sigmoid激活函數，是一種將輸入映射到0，1區間的非線性函數，其數學表達式為： 其中u是函數的輸入，e是自然對數底數， 步驟3，將統計特征與所述關鍵時序特征進行一維特征向量拼接，生成綜合特征。

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南京郵電大學，其通訊地址為：210003 江蘇省南京市鼓樓區新模范馬路66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”。