-
Patent Agency Ranking
公开(公告)号：CN114358118B
公开(公告)日：2024-08-09
申请号：CN202111431314.3
申请日：2021-11-29
Applicant: 南京邮电大学
IPC: G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨模态特征融合的多任务加密网络流量分类方法，包括：获取待识别的原始流量；预处理原始流量，并获得其格式化样本；将格式化样本输入至训练完成后的基于特征融合技术的多模态多任务深度神经网络，得到对于每个任务对应的预测向量；取其中最大的值对应的分类作为加密流量在该任务上最终的分类标签。本发明能实现对流量特征的自动提取、融合，并根据融合后的结果做出多任务预测；具有通用性；实现包级别和流级别统计特征和有效载荷的融合；通过双路特征提取模块抽取每个数据包的有效载荷低阶的时序特征和全局统计特征，并用全局统计特征指导对有效载荷时序特征的进一步提取；改善了特征提取的效果，具有更好的分类效果。
-
-
公开(公告)号：CN110675933B
公开(公告)日：2022-05-17
申请号：CN201910840714.6
申请日：2019-09-06
Applicant: 南京邮电大学
IPC: G16H20/30
Abstract: 本发明公开了一种手指镜像康复训练系统，包括肌电信号采集模块、压力采集模块、主控制模块、康复机器人模块、人机交互虚拟环境模块以及康复评估模块。优点：本发明的系统通过肌电信号采集模块、压力采集模块、主控制模块、康复机器人模块、人机交互虚拟环境模块以及康复评估模块构建了手指镜像康复训练系统，而且具有虚拟康复交互场景，能够帮助指肌能损伤患者进行高效率的康复训练，通过压力采集模块还能够实现康复效果评价。
-
公开(公告)号：CN114358118A
公开(公告)日：2022-04-15
申请号：CN202111431314.3
申请日：2021-11-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于跨模态特征融合的多任务加密网络流量分类方法，包括：获取待识别的原始流量；预处理原始流量，并获得其格式化样本；将格式化样本输入至训练完成后的基于特征融合技术的多模态多任务深度神经网络，得到对于每个任务对应的预测向量；取其中最大的值对应的分类作为加密流量在该任务上最终的分类标签。本发明能实现对流量特征的自动提取、融合，并根据融合后的结果做出多任务预测；具有通用性；实现包级别和流级别统计特征和有效载荷的融合；通过双路特征提取模块抽取每个数据包的有效载荷低阶的时序特征和全局统计特征，并用全局统计特征指导对有效载荷时序特征的进一步提取；改善了特征提取的效果，具有更好的分类效果。
-
公开(公告)号：CN113079069A
公开(公告)日：2021-07-06
申请号：CN202110623165.4
申请日：2021-06-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向大规模加密网络流量的混合粒度训练及分类方法，包括，获取待识别的加密网络流量进行预处理，得到样本向量；将所述样本向量输入至预设训练的目标网络模型中，输出得到一个预测序列；提取所述预测序列最后一个预测向量，所述预测向量中元素值代表流量属于各个分类的最终预测值；基于提取出的所述预测向量，选取其中最大的预测值的分类作为所述加密网络流量最终的分类标签。本发明提出的训练方式，结合提出的模型特征，和预处理方法，仅需要从流中抽取少量的数据，即可通过流中的数据的特征判断所属流的类别，该方法不需要专家进行手动特征设计，在多个真实网络数据集的测试中，表现高于基于传统机器学习的识别方法。
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
