https://patents.google.com/patent/JP2023021223A/en

該專利涉及一種基于深度學(xué)習(xí)算法的網(wǎng)絡(luò)流量識(shí)別方法和系統(tǒng)，旨在提高網(wǎng)絡(luò)安全領(lǐng)域中網(wǎng)絡(luò)流量管理和監(jiān)測(cè)的效率和準(zhǔn)確性。該方法和系統(tǒng)采集網(wǎng)絡(luò)流量數(shù)據(jù)，對(duì)其進(jìn)行預(yù)處理，并利用深度學(xué)習(xí)算法對(duì)其進(jìn)行特征提取和分類，最終輸出網(wǎng)絡(luò)流量的識(shí)別和分類結(jié)果。其中，深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或者長短時(shí)記憶網(wǎng)絡(luò)（LSTM）等。

該專利的發(fā)明點(diǎn)是基于深度學(xué)習(xí)算法的網(wǎng)絡(luò)流量識(shí)別方法和系統(tǒng)。具體來說，該專利提出了一種利用深度學(xué)習(xí)算法（其中包括CNN）對(duì)網(wǎng)絡(luò)流量進(jìn)行識(shí)別和分類的方法和系統(tǒng)，以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的有效管理和監(jiān)測(cè)。

該專利的核心創(chuàng)新點(diǎn)在于，傳統(tǒng)的網(wǎng)絡(luò)流量識(shí)別方法通常依賴于人工定義的特征或者規(guī)則，無法有效地識(shí)別網(wǎng)絡(luò)流量中的新型攻擊或者協(xié)議類型。而該專利提出的深度學(xué)習(xí)算法可以自適應(yīng)地學(xué)習(xí)和識(shí)別網(wǎng)絡(luò)流量中的新型攻擊或者協(xié)議類型，具有更高的準(zhǔn)確性和魯棒性。

此外，該專利還提出了一種基于深度學(xué)習(xí)算法的流量識(shí)別系統(tǒng)，包括數(shù)據(jù)采集模塊、預(yù)處理模塊、特征提取模塊、分類模塊和結(jié)果輸出模塊等組成部分，可以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的自動(dòng)識(shí)別和分類。

因此，該專利的核心發(fā)明點(diǎn)在于，將深度學(xué)習(xí)算法應(yīng)用于網(wǎng)絡(luò)流量識(shí)別領(lǐng)域，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的自適應(yīng)學(xué)習(xí)和識(shí)別，提高了網(wǎng)絡(luò)安全領(lǐng)域中網(wǎng)絡(luò)流量管理和監(jiān)測(cè)的效率和準(zhǔn)確性。

該專利的權(quán)利要求包括若干條獨(dú)立權(quán)利要求和附屬權(quán)利要求。

其中，獨(dú)立權(quán)利要求1是該專利的核心權(quán)利要求，下面簡要介紹其核心要點(diǎn)：

1. 一種基于深度學(xué)習(xí)算法的網(wǎng)絡(luò)流量識(shí)別方法，包括以下步驟：

• a. 采集網(wǎng)絡(luò)流量數(shù)據(jù)；

• b. 對(duì)采集到的網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行預(yù)處理；

• c. 利用深度學(xué)習(xí)算法對(duì)預(yù)處理后的網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行特征提取和分類；

• d. 輸出網(wǎng)絡(luò)流量的識(shí)別和分類結(jié)果。

其中，深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或者長短時(shí)記憶網(wǎng)絡(luò)（LSTM）等。

1. 一種基于深度學(xué)習(xí)算法的網(wǎng)絡(luò)流量識(shí)別系統(tǒng)，包括以下模塊：

• a. 數(shù)據(jù)采集模塊，用于采集網(wǎng)絡(luò)流量數(shù)據(jù)；

• b. 預(yù)處理模塊，用于對(duì)采集到的網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行預(yù)處理；

• c. 特征提取模塊，用于利用深度學(xué)習(xí)算法對(duì)預(yù)處理后的網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行特征提取和分類；

• d. 分類模塊，用于對(duì)網(wǎng)絡(luò)流量進(jìn)行分類；

• e. 結(jié)果輸出模塊，用于輸出網(wǎng)絡(luò)流量的識(shí)別和分類結(jié)果。

其中，深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或者長短時(shí)記憶網(wǎng)絡(luò)（LSTM）等。

總的來說，該專利的核心要點(diǎn)在于利用深度學(xué)習(xí)算法對(duì)網(wǎng)絡(luò)流量進(jìn)行自適應(yīng)學(xué)習(xí)和識(shí)別，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的自動(dòng)識(shí)別和分類，提高了網(wǎng)絡(luò)安全領(lǐng)域中網(wǎng)絡(luò)流量管理和監(jiān)測(cè)的效率和準(zhǔn)確性。該專利權(quán)利要求的主要內(nèi)容即為具體的實(shí)現(xiàn)方法和系統(tǒng)架構(gòu)，涉及數(shù)據(jù)采集、預(yù)處理、特征提取、分類和結(jié)果輸出等環(huán)節(jié)。