-
公开(公告)号：CN111817982A
公开(公告)日：2020-10-23
申请号：CN202010733979.9
申请日：2020-07-27
Applicant: 南京信息工程大学
IPC: H04L12/851 , G06N3/12 , G06K9/62
Abstract: 本发明公开了一种面向类别不平衡下的加密流量识别方法，步骤如下：S1、获取数据集；S2、平衡数据集：采用基于密度估计的改进SMOTE算法，对原始实验数据集进行处理；S3、数据预处理：读取数据流，截断数据，并进行归一化处理；S4、最优化特征集：通过变分自动编码器模型自动提取特征，通过网络流量来识别领域常用的特征，并利用基于树模型的特征选择法得到最优化特征集；S5、识别流量：将最优化特征集输入到基于遗传算法改进的随机森林CGA-RF分类器算法，识别目的加密流量；S6、对获得的指标结果分析，优化加密流量识别方法。本发明识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN111385145A
公开(公告)日：2020-07-07
申请号：CN202010143787.2
申请日：2020-03-04
Applicant: 南京信息工程大学
IPC: H04L12/24 , H04L12/851 , H04L29/06 , G06K9/62
Abstract: 本发明公开了一种一种基于集成学习的加密流量识别方法，其特征在于，包括以下步骤：(1)数据集采集；(2)数据预处理；(3)平衡数据集；(4)自动提取特征；(5)识别流量；(6)对获得的指标结果分析，并选取合适的参数，优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题，识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN119011090B
公开(公告)日：2025-04-22
申请号：CN202411493141.1
申请日：2024-10-24
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于RaptorQ喷泉码的网络流信标编解码方法，包括：步骤1，将网络流信标进行RaptorQ编码处理，形成一个连续的信标比特序列流；步骤2，在信标比特序列流中的每个码段后添加特有的动态冗余校验码DRCC，使得每个码段带有校验信息；步骤3，信标接收端进行信标检测；步骤4，启动每个码段中的同步码的检测；步骤5，将同步码和RaptorQ码段转换为字节形式送入RaptorQ解码器进行解码。本发明采用RaptorQ喷泉码的设计，有效应对了易受干扰的网络环境，以及在传输信道上易发生干扰错误，如同步丢失和延迟抖动等，该方法为在加密网络环境中实现基于信标的追踪溯源提供了可靠的解决方案。
-
公开(公告)号：CN119202804A
公开(公告)日：2024-12-27
申请号：CN202411700138.2
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084 , H04L9/40
Abstract: 本发明提供了一种基于冲激序列响应的Tor网络流量感知方法，包括：利用抓包工具从Tor网络中捕获数据流，利用五元组信息进行初步分流；对Tor网络流量进行指纹识别，提取窗口内数据流的频域熵和直流分量两种特征并进行表征；使用动态窗口调整器比较相邻窗口的熵值，动态调整窗口的大小；将特征矩阵输入到分类器中对网络流量数据的频域特征进行学习；根据损失值灵活调整训练批次的大小。本发明通过自适应处理策略，有效应对Tor网络环境下的复杂流量特征，能够及时做出分类决策，显著提高处理准确率和响应能力。本发明在Tor网络流量感知和管理中，特别是在流量分析、隐私保护、网络安全监控及异常检测方面，展现了广泛的应用潜力。
-
公开(公告)号：CN119154998A
公开(公告)日：2024-12-17
申请号：CN202411670320.8
申请日：2024-11-21
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种抗复杂干扰的网络流信标编解码方法，包括：将待编码数据进行循环冗余校验CRC编码，并将编码后的数据与已知标记码序列结合后进行低密度奇偶校验LDPC编码处理，对于LDPC编码后的数据，剔除其中的已知标记码序列即M1序列并将标记码等间隔地插入到数据中，在数据末尾插入间隔标记码，将此编码段重复并在其开头和结尾分别添加开始同步码和结束同步码，将添加同步码后的序列不断重复形成码流；然后进行解码，并验证解码结果的正确性。本发明提高了前向后向算法同步数据的准确性，提高了译码的成功率，有效应对了在传输信道上易发生的干扰错误，为在加密网络环境中实现基于信标的追踪溯源提供了可靠的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN118622603A
公开(公告)日：2024-09-10
申请号：CN202411098185.4
申请日：2024-08-12
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种新型模块化海上浮式风机载运平台及其控制方法，所述平台包括浮式风机、重力控制系统和模块化载运平台；所述模块化载运平台包括两个以上标准模块和连接器；所述标准模块包括空心浮筒、模块化载运平台框架、模块化载运平台支撑架和垫片；所述模块化载运平台框架为封闭的矩形；所述模块化载运平台框架与模块化载运平台支撑架用于固定浮筒；所述垫片置于模块化载运平台框架顶部上表面，用于承载浮式风机与重力控制系统；所述连接器用于标准模块之间的互相连接。本发明适应性强，采用模块化设计，对部件没有特殊要求，在全球均可批量大规模生产，且具有易于运输、快速组装、克服码头空间限制等优势。
-
公开(公告)号：CN118433121A
公开(公告)日：2024-08-02
申请号：CN202410897429.9
申请日：2024-07-05
Applicant: 南京信息工程大学
IPC: H04L47/2483 , H04L47/193 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于深度学习的网络流量内容类型识别方法和装置，所述方法包括：对采集的网络数据进行预处理，提取每个会话的上行数据包负载，按照固定长度分组为数据块，组批送入深度学习模型；深度学习模型通过卷积神经网络提取数据块的特征，通过全连接层映射到不同的内容类型；根据模型输出结果，获取每个会话的内容类型标签和置信度，输出至后续处理模块。本发明通过对网络数据包进行话单聚合和负载分组，利用端到端的深度学习模型进行内容类型识别，相比传统的基于规则或特征工程的方法，具有识别准确率高、实时性好、扩展性强等优势。本发明能够有效应用于网络安全监测、流量管控、协议分析等领域。
-
公开(公告)号：CN113835085B
公开(公告)日：2023-07-25
申请号：CN202111161182.7
申请日：2021-09-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于复杂地形补偿的雷达快速测高方法，属于雷达信号处理技术领域。其采用反射地形数字地图补偿法对复杂地形进行补偿，降低回波经过不同的路径反射效应的影响，提高雷达测高精度，同时采用高收敛压缩感知技术提升了算法的收敛速度，增强了雷达测高的稳健性和实时性。本发明稳健实时性好，测高精度高。
-
公开(公告)号：CN111385145B
公开(公告)日：2023-04-25
申请号：CN202010143787.2
申请日：2020-03-04
Applicant: 南京信息工程大学
IPC: H04L9/40 , H04L43/0876 , H04L43/026 , H04L47/2483 , H04L47/2441
Abstract: 本发明公开了一种一种基于集成学习的加密流量识别方法，其特征在于，包括以下步骤：(1)数据集采集；(2)数据预处理；(3)平衡数据集；(4)自动提取特征；(5)识别流量；(6)对获得的指标结果分析，并选取合适的参数，优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题，识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号：CN114972836A
公开(公告)日：2022-08-30
申请号：CN202111580226.X
申请日：2022-06-14
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04L9/40
Abstract: 本发明公开了一种多模块融合的加密流量分类方法，所述方法包括以下步骤：数据集采集、数据集预处理、自注意力模块设计、残差收缩模块设计、多模块融合的神经网络模型搭建、分类模型训练及评估。本发明将自注意力机制和深度残差收缩网络与深度学习模型相结合，有效提升了神经网络的特征提取和处理能力，使得部署于网络中的加密流量分类器精度得到提升。本发明方法可部署于网络出口处对进出网络的流量进行分类，以提高网络管理和安全防护能力。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.032 seconds)
