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！

龙图腾网获悉武汉大学申请的专利基于注意力机制和数据增强的恶意流量假设检验方法及装置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：CN119172107B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411167605.X，技术领域涉及：H04L9/40；该发明授权基于注意力机制和数据增强的恶意流量假设检验方法及装置是由胡志阳;余荣威;印杰;王丽娜设计研发完成，并于2024-08-23向国家知识产权局提交的专利申请。

本基于注意力机制和数据增强的恶意流量假设检验方法及装置在说明书摘要公布了：本发明公开了一种基于注意力机制和数据增强的恶意流量假设检测方法及装置，其中的方法包括：使用网络上现有的已公开的正常流量和恶意流量数据集对编码器进行训练，然后通过starGAN对训练数据进行增强，然后对Transformer继续进行微调训练。训练完成后通过提取流量中的特征信息然后对器进行KS检验，在实际流量检测过程中先对流量数据进行预处理后将其通过编码器编码获得其特征，然后对流量特征使用KS假设检验给出流量是恶意流量的置信度，通过该置信度假设检验，从而能够在一定阈值范围内确定该流量是否是恶意流量。本发明可以有效预防针对流量的恶意对抗攻击以及部分目前仍未知方法的攻击，在低误报率的前提下提高了检测的准确性和鲁棒性。

本发明授权基于注意力机制和数据增强的恶意流量假设检验方法及装置在权利要求书中公布了：1.一种基于注意力机制和数据增强的恶意流量假设检验方法，其特征在于，包括： 获取公开的正常流量和恶意流量数据集，构建原始训练数据； 采用DBSCAN聚类算法对原始训练数据进行数据分布估计，根据DBSCAN聚类算法的聚类结果进行重新标记，利用随机森林分类器对重新标记的样本进行训练和预测，得到校正后的训练数据； 利用StarGAN对校正后的训练数据进行数据增强，得到数据增强后的训练数据； 利用数据增强后的训练数据对Transformer模型进行微调训练，得到流量检测模型； 利用流量检测模型提取待检测流量中的特征信息，并基于提取的特征信息进行KS检验； 其中，利用数据增强后的训练数据对Transformer模型进行微调训练，得到流量检测模型，包括： 将数据增强后的训练数据转换为嵌入向量； 利用Transformer模型的编码器对嵌入向量进行处理，捕捉序列数据中的复杂模式，生成编码特征向量； 使用Transformer模型的解码器对编码特征向量进行还原，生成还原向量，表示解码器； 采用自监督学习和监督学习结合方法进行模型的微调与训练，得到流量检测模型； 在采用自监督学习和监督学习结合方法进行模型的微调与训练时，计算的损失包括编码器和解码器的重构损失、编码器编码时的球面损失，其中，编码器编码时的球面损失用于将正常流量样本限制在球面内，将恶意流量样本排除在球面外； 利用流量检测模型提取待检测流量中的流量特征信息，并基于提取的特征信息进行KS检验，包括： 对待检测流量进行预处理， 通过流量检测模型对预处理后的待检测流量进行编码，提取对应的流量特征信息； 对流量特征使用KS假设检验给出流量是恶意流量的置信度，并进行假设检验计算检验值，如果检验值大于阈值，则判定待检测流量为恶意流量，否则，判定待检测流量为正常流量； 其中，对流量特征使用KS假设检验给出流量是恶意流量的置信度，并进行假设检验计算检验值，包括：计算特征与球面中心的距离，将特征与球面中心的距离作为后续假设检验时每个样本需要评估的指标，其中，特征与球面中心的距离的计算公式为： ； 其中，为预处理后的待检测流量，表示使用Transformer编码器对预处理后的待检测流量进行编码后得到的特征向量，为球面中心，为特征与球面中心的距离； 计算检验值，其中，和分别表示恶意样本和干净样本的经验分布函数； 判断检验值是否大于阈值，如果大于，则拒绝零假设，判定待检测流量为恶意流量，否则，判定待检测流量为正常流量，和是恶意样本和干净样本的大小，为显著性水平下KS分布的临界值，，其中，k为求和的索引记号，，显著性水平表示拒绝零假设错误的概率。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。