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！

龙图腾网获悉南京邮电大学;安徽晶奇网络科技股份有限公司申请的专利一种基于改进生成对抗网络的物联网协议模糊测试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：CN115549971B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211049325.X，技术领域涉及：H04L9/40；该发明授权一种基于改进生成对抗网络的物联网协议模糊测试方法是由李鹏;牛胜杰;徐鹤;王汝传;张玉杰;朱枫;程海涛;李友涛;张结魁;陈莉莉设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于改进生成对抗网络的物联网协议模糊测试方法在说明书摘要公布了：本发明提出基于改进生成对抗网络的物联网协议模糊测试方法，解决了传统协议模糊测试中需要掌握协议格式进而生成满足目标系统要求的测试用例的问题。在测试用例的接受率、漏洞的检出率指标上，本发明方法与传统方法相比具有显著的优越性，采用本发明所生成的测试用例具有正确的协议格式，并且保持其多样性。

本发明授权一种基于改进生成对抗网络的物联网协议模糊测试方法在权利要求书中公布了：1.一种基于改进生成对抗网络的物联网协议模糊测试方法，其特征在于，包括以下步骤： S1、收集物联网网络报文并对其进行数据预处理； S2、针对物联网协议模糊测试的问题抽象； S3、改进RankGAN模型的构造；具体包括以下子步骤： S3.1、结合批标准化处理的生成器构造：在改进后的RankGAN模型中，生成器用到LSTM网络，当生成器收到Ranker的得分信息后，利用反馈及时调整其参数，进而生成下一个数据； S3.2、结合自注意力机制的Ranker：为提高模型的训练速度，选择CNN作为基础网络实现Ranker，改进后的Ranker结构包括输入层、嵌入层、4个conv-1d层、4个自注意力层、池化层； S4、改进RankGAN模型的训练； 步骤S3.1中，所述改进的RankGAN模型中，分别对生成器的tanh激活函数和sigmoid激活函数添加了批标准化操作； 步骤S3.2中，所述改进的Ranker中使用放缩点积自注意力机制加以优化； 步骤S4中，设词汇集为V，在t时刻已生成的序列为： s1:t-1＝x0,x1,…,xt-1，其中， xi∈V，i∈[0,t-1]，下一个tokenxt是策略πθxt|s1:t-1的动作采样，当生成一个完整的序列后会发送给Ranker，根据比较集C和参考集U获得排名奖励RΦs|U,C，采用蒙特卡罗搜索的方式计算中间状态的排名得分，中间状态的reward由公式：计算得出，其中， s1:t-1为已生成序列， U为参考集， 表示x从Gθ分布中获取的期望算子， RΦx|U,C+,s1:t-1为当前输入的排名得分， C+表示从真实数据集经过预采样得到的真实数据集； 原始tokenx0,x1,…,xt-1是固定的，剩下的T-t个token是按Gθ连续采样的结果，重复抽样n个不同的采样并计算各自的排名得分，求其平均后用于近似当前部分序列的预期奖励；当计算出中间奖励后，便得到生成器Gθ的目标函数梯度：其中， 是偏微分算子，开始状态s0为第一个生成的tokenx0， Lθ是表示生成器Gθ的目标函数， 表示基于当前生成器参数θ在一个小批量内对所有抽样完整句子的平均值， πθxt|s1:t-1为当前采样策略， Vθ,Φs1:t,U为中间状态的reward； Ranker的目标函数为： 其中， 表示x从Prealx分布中获取的期望算子， 表示x从Gθ分布中获取的期望算子， x～Prealx表示x来自真实数据， x～Gθ表示输入x来自生成数据， C-、C+表示对不同输入x的比较集； 在实际训练过程中，通过最小化logRΦx|U,C+，代替最大化log1-RΦx|U,C+，加快模型收敛速度。

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京邮电大学;安徽晶奇网络科技股份有限公司，其通讯地址为：210023 江苏省南京市仙林大学城文苑路9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”。