中孚信息取得基于小样本学习的恶意流量分类专利，解决数据稀疏、模型不够灵活等问题

　　据国家知识产权局公告，中孚信息股份有限公司取得一项名为“基于小样本学习的恶意流量分类方法、系统、设备及介质“，授权公告号CN117034124B，申请日期为2023年10月。

　　专利摘要显示，本申请公开了一种基于小样本学习的恶意流量分类方法、系统、设备及介质，主要涉及恶意流量分类技术领域，用以解决现有的方法将数据裁剪成统一长度，使得很多会话被填充了，导致预处理后的数据很稀疏、当测试集的分类数目发生变化时，需要重新划分元训练集和元测试集，使得模型不够灵活且在跨域数据集上表现不理想、容易受样本不均衡影响的问题。包括：获取原始流量PCAP文件会话，基于预设字节长度阈值获得会话的最终字节，生成会话数据集；基于会话数据集中的未知标签数据集，获得预设嵌入函数对应的最优参数；基于会话数据集中的已知标签训练数据集，完成线性分类器中参数的训练；确定获得基于小样本学习的恶意流量分类器。