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！

龙图腾网获悉南昌大学申请的专利一种基于数据平衡与特征协同的入侵检测方法及系统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：CN120017430B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510503132.4，技术领域涉及：H04L9/40；该发明授权一种基于数据平衡与特征协同的入侵检测方法及系统是由付爱英;胡洋;周晶晶;黄文海;高勇立设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本一种基于数据平衡与特征协同的入侵检测方法及系统在说明书摘要公布了：本申请公开了一种基于数据平衡与特征协同的入侵检测方法及系统，属于网络安全技术领域，包括：在DCGAN生成器内的反卷积层后添加SKnet层进行改进；将随机噪声向量输入至改进的DCGAN生成器中，获取平衡数据集；对初始SRGAN生成器进行改进；将平衡数据集输入至改进后的SRGAN生成器中进行深度特征提取，获取深度特征；将平衡数据集输入至预设的LSTM网络模型中进行时序特征提取，获取时序特征；基于深度特征和时序特征获取融合特征图；基于融合特征图获取入侵分类结果。本发明解决了网络攻击类别数据不平衡的问题，并构建了入侵检测模型，提高了模型性能。

本发明授权一种基于数据平衡与特征协同的入侵检测方法及系统在权利要求书中公布了：1.一种基于数据平衡与特征协同的入侵检测方法，其特征在于，包括： 在初始DCGAN生成器内部的反卷积层后添加SKnet层，获取改进后的DCGAN生成器，所述SKnet层包括：卷积层、批量归一化层、激活函数层、全局平均池化层、全连接层、Softmax层； 将预设的随机噪声向量输入至所述改进后的DCGAN生成器中进行降维处理，获取平衡数据集，其中，获取平衡数据集的过程，包括：将预设的随机噪声依次进行线性变换、标准化和激活处理，获取第一特征图，所述第一特征图的维度高于所述随机噪声的维度；将所述第一特征图依次进行反卷积和上采样处理，获取第二特征图，所述第二特征图的通道数是第一特征图的一半，高度和宽度均高于第一特征图；将所述第二特征图输入至多个分支不同大小的卷积核中进行卷积处理，获取第三特征图和第四特征图，所述第四特征图的特征提取维度高于第三特征图；对所述第三特征图和第四特征图进行特征聚合，生成注意力权重矩阵；基于所述注意力权重矩阵对所述第三特征图和第四特征图进行加权融合，获取融合特征图；对所述融合特征图依次进行反卷积处理和特征增强处理，获取第五特征图，所述第五特征图的通道数是所述融合特征图的一半，高度和宽度均高于融合特征图；基于所述第五特征图获取平衡数据集；其中，所述融合特征图的数学表达式为： ； ； 其中，表示融合特征图，表示局部特征图，表示全局特征图，表示第一权重矩阵，表示第二权重矩阵，表示批量归一化，表示全连接层映射操作，表示Relu激活函数，表示平均池化结果，表示全连接权重矩阵，表示全连接层变换后输出向量； 基于预设的全连接层、反扁平化层和残差网络层对初始SRGAN生成器进行改进，获取改进后的SRGAN生成器，所述改进后的SRGAN生成器由依次连接的输入层、第一全连接层、第二全连接层、反扁平化层、第一卷积层、残差网络层、第二卷积层组成，其中，获取改进后的SRGAN生成器的过程，包括：在初始SRGAN生成器的输入层后加入全连接层和反扁平化层，移除初始SRGAN生成器中的上采用层，并在所述生成器内部的卷积层之间加入多个残差网络层，获取改进后的SRGAN生成器； 将所述平衡数据集输入至所述改进后的SRGAN生成器中进行深度特征提取，获取深度特征，其中，获取深度特征的过程，包括：将平衡数据集输入至第一全连接层中进行向量转化处理获取第一向量；将所述第一向量输入至第二全连接层中进行线性变换映射处理获取第二向量，所述第二向量的长度高于第一向量；将所述第二向量输入至反扁平化层中进行反扁平化处理，获取第三向量，所述第三向量的维度高于第二向量；将所述第三向量依次输入至第一卷积层、残差网络层和第二卷积层中进行特征提取，获取深度特征； 将所述平衡数据集输入至预设的LSTM网络模型中进行时序特征提取，获取时序特征； 基于所述深度特征和所述时序特征获取查询向量、值向量和键向量； 基于注意力机制，处理所述查询向量、所述键向量和所述值向量，获取融合特征图； 对所述融合特征图依次进行特征映射、激活和分类处理，获取入侵分类结果。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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”。