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！

龙图腾网获悉湖北大学申请的专利一种基于CNN+TCN+Attention机制的车联网异常流量检测方法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：CN119743290B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202411811431.6，技术领域涉及：H04L9/40；该发明授权一种基于CNN+TCN+Attention机制的车联网异常流量检测方法是由汪犇;何鹏;梅傲寒;陈文豪设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于CNN+TCN+Attention机制的车联网异常流量检测方法在说明书摘要公布了：本发明公开了一种基于CNN+TCN+Attention机制的车联网异常流量检测方法，属于车联网异常流量检测技术领域，S1、对CAN总线数据集进行预处理，将具有不同特征类型的数据集通过预处理调整为适合模型输入的时间序列矩阵；S2、将S1的时间序列矩阵输入到CNN+TCN+Attention模型框架中，得到输入序列加权后的特征表示，输入到后续分类层中；S3、训练两个分类器，进行网络流量的攻击性检测以及识别出恶意流量的具体类型。本发明结合CNN的局部特征提取能力、TCN的长短期依赖建模优势以及Attention机制对关键特征的关注能力，能够捕捉到更全面、更细致的车联网流量特征，从而显著提高了检测的准确性和鲁棒性，有效降低了误报率，同时增强了系统的实时响应能力和可靠性。

本发明授权一种基于CNN+TCN+Attention机制的车联网异常流量检测方法在权利要求书中公布了：1.一种基于CNN+TCN+Attention机制的车联网异常流量检测方法，其特征在于，包括以下步骤： S1、对CAN总线数据集进行预处理，将具有不同特征类型的数据集通过预处理调整为适合模型输入的时间序列矩阵，保证输入到模型中的数据具有一致性； S2、将S1的时间序列矩阵输入到CNN+TCN+Attention模型框架中，得到输入序列加权后的特征表示，输入到后续分类层中；具体步骤为： S21、CNN层接受时间序列矩阵后，经过两次卷积与与池化操作缩小时间步长和特征维度，输出多通道特征图； S22、TCN层接受全部的多通道特征图，经过两层膨胀卷积层在不增加计算量的情况下扩大感受野，捕捉更长时间跨度的依赖关系； 感受野公式为： ； 其中，为卷积核的大小，为膨胀因子； 膨胀卷积的公式为： ； 其中，是通过卷积操作得到的特征值，是卷积核中的元素索引，是输入序列的第个位置的值，是卷积核权重，通过调整膨胀因子，卷积核实现跳跃性地访问输入序列的不同位置； S23、Attention层将输入输入张量映射为三个向量，分别为Query、Key和Value；利用Query和Key向量的点积计算相似度，通过softmax函数将相似度值生成Attention权重，使用Attention权重对Value向量进行加权求和，得到一个加权特征表示，让模型能够聚焦于序列中更重要的部分； 相似度表示为： ； 其中，是Query矩阵，是Key矩阵的转置，是Key的维度； S3、由S2获得整个时间序列的全局特征表示，然后训练两个分类器，进行网络流量的攻击性检测以及识别出恶意流量的具体类型。

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湖北大学，其通讯地址为：430062 湖北省武汉市武昌区友谊大道368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”。