买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国地质大学(武汉)申请的专利基于权值相似度的时滞特征提取方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116094684B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211648486.0，技术领域涉及：H04L9/00；该发明授权基于权值相似度的时滞特征提取方法、系统、设备及介质是由高孝婧;王棚军;曾德泽;陈诗缘;龚舒慧;陈庆设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本基于权值相似度的时滞特征提取方法、系统、设备及介质在说明书摘要公布了：本发明属于物理层安全领域，公开了一种基于权值相似度的时滞特征提取方法、系统、设备及介质，方法包括：生成混沌时间序列作为数据集；构造回声状态网络；选取多个时延，并根据不同的时延构造多个数据集对；对每个数据集对平移一定量，生成对应的数据集对；对具有同一时延的两个数据集对分别训练网络，并提取权值；对提取出两个权重矩阵进行相似性度量；根据相似性度量的统计分析结果推断出时延信息。本发明能够分析出二维甚至更高维混沌系统的时延密钥，不仅限于一维时延，且不需要对混沌系统结构和数学模型的先验知识，只需要少量数据即可分析出密钥，节省算力，精度高。

本发明授权基于权值相似度的时滞特征提取方法、系统、设备及介质在权利要求书中公布了：1.一种基于权值相似度的时滞特征提取方法，其特征在于，所述基于权值相似度的时滞特征提取方法包括：生成混沌时间序列作为数据集；构造回声状态网络；选取多个时延，并根据不同的时延构造多个数据集对；对每个数据集对平移一定量，生成对应的数据集对；对具有同一时延的两个数据集对分别训练网络，并提取权值；对提取出两个权重矩阵进行相似性度量；根据相似性度量的统计分析结果推断出时延信息；相似性度量的统计分析结果推断出时延信息的具体过程如下：以得到的权值矩阵相似性作为纵坐标，对应的时延作为横坐标，画出能反映出两者关系的散点图，其中纵坐标值最大的点的横坐标即需要推断出的时延信息；所述构造回声状态网络包括：初始化神经网络，确定储备池大小，随机生成连接矩阵W，缩放矩阵使得谱半径1，随机生成输入连接权值Win和输出反馈权值Wout；设置神经网络超参数设置，其中，储备池规模N＝1000；谱半径ρ＝0.9；正则化因子为1e-6；泄露率α＝0.3；所述根据不同的时延构造多个数据集对的具体过程包括：利用时滞微分方程表征混沌光电振荡器系统，所述时滞微分方程的公式为： 式中，xt为状态变量，xt-τ为时滞变化；所述时滞微分方程近似表示的差分方程为：xt+Δt-xt＝Δtfxt,xt-τ式中，Δt为单位时间步长；因此，得到函数映射为： 从离散时间序列中选取M个连续的数据量得到x，选定时延候选集{R1,…,Rk}，根据所述函数映射和所述时延候选集构造k个数据集对Xtraini，Ytraini，表示为：Xtraini＝xt-RiYtrani＝xt+Δt-x式中，i＝1,…,k，Xtraini和Ytraini表示神经网络的输入和输出；所述数据集对平移s个数据量，再生成一个数据集对XStraini，YStraini，表示为：XStraini＝xt-Ri+sYStraini＝xt+Δt+s-xt+s式中，i＝1,…,k；sM；所述对具有同一时延的两个数据集对分别训练网络，并提取权值的具体过程为：储备池的状态更新方式以及网络的输出为：xt＝tanhWxt-1+Winutfx＝Woutxt式中，ut，xt和ft分别表示t时刻的输入，储备池的状态和输出，tanh·为激活函数，Win表示输入权值矩阵，W表示中间权值矩阵，Wout表示输出反馈权值矩阵；将所述Xtraini和Ytraini依次加载到输入和输出训练神经网络，空转一定时间后，不断更新记录储备池状态，使用线性回归确定输出反馈权值Wouti，其中i＝1,…,k；将所述XStraini和YStraini依次加载到输入和输出训练神经网络，空转一定时间后，不断更新记录储备池状态，使用线性回归确定输出反馈权值WSouti，其中i＝1,…,k。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。