公开(公告)号：CN120075526A

公开(公告)日：2025-05-30

申请号：CN202510198050.3

申请日：2025-02-21

Applicant: 东南大学

Inventor： 徐鑫茹 ,  崔继元 ,  马晓龙 ,  谢雨萌 ,  段傲铧 ,  吴桦 ,  程光

IPC: H04N21/44 ,  H04N21/4408 ,  H04N21/466 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提出了一种基于注意力机制CNN深度学习模型的QUIC加密视频流量识别方法，实现了在QUIC加密流量环境下对特定视频内容的识别。首先，本发明通过采集正常环境下的QUIC加密视频流量数据及其对应的解密后流量，利用客户端请求包标记数据传输单元，并对视频数据进行分片。然后，通过提取加密视频流的数据传输单元长度序列，结合相应的原始流量数据，训练线性回归模型训练校正长度公式，实现修正因QUIC加密和流复用带来的长度偏差。最后，采集特定视频的QUIC加密视频流量数据并进行长度校正，使用基于注意力机制的CNN深度学习模型对校正后的数据进行训练，实现对QUIC加密视频流的高精度识别。实验结果表明，本发明能够在复杂的网络环境下实现高精度的视频流识别，相比传统方法，具有更高的识别准确性和鲁棒性，适用于视频流量监控与安全分析领域。