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！

龙图腾网获悉成都飞机工业(集团)有限责任公司申请的专利适用于工控网络基于频谱图特征优化的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：CN117033967B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310581659.X，技术领域涉及：G06F18/2115；该发明授权适用于工控网络基于频谱图特征优化的异常流量检测方法是由王攀;谢敏;郑良谦;余志强;刘磊;康嘉琪设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本适用于工控网络基于频谱图特征优化的异常流量检测方法在说明书摘要公布了：本发明涉及工业控制技术领域，具体是一种适用于工控网络基于频谱图特征优化的异常流量检测方法，包括如下步骤：采集工控网络异常流量数据集，将工控网络异常流量数据集通过编码与归一化将其转化为特征数据集；通过自适应过采样方法进行样本扩增；采用优化剪枝搜索方法对特征数据集进行特征提取；将流量特征转换为频谱图像，形成频谱图特征数据集；划分为训练集与测试集，应用于卷积神经网络模型的训练得到检测模型。本方法有效减少搜索次数，提高搜索效率，并在搜索过程中通过频谱图优化特征，提高特征权重，进一步提升异常检测准确率降低误报率。

本发明授权适用于工控网络基于频谱图特征优化的异常流量检测方法在权利要求书中公布了：1.一种适用于工控网络基于频谱图特征优化的异常流量检测方法，其特征在于：包括如下步骤： S1、采集工控网络异常流量数据集，将工控网络异常流量数据集通过编码与归一化将其转化为特征数据集； S2、对处理后的特征数据集，通过自适应过采样方法进行样本扩增； S3、对平衡后的特征数据集，采用优化剪枝搜索方法对特征数据集进行特征提取； S4、对提取后的特征数据集，通过多重解析度分析离散小波变换方法，将流量特征转换为频谱图像，形成频谱图特征数据集； S5、对频谱图数据集，按照4:1的比例划分为训练集与测试集，应用于卷积神经网络模型的训练得到检测模型，并应用于步骤S3中进行验证迭代，将满足终止条件的模型作为最优的检测模型； 步骤S3中，将提取后的特征转化为频谱图数据集应用于卷积神经网络中进行训练得到检测模型，再通过优化剪枝搜索方法的评价函数评估当前检测模型的优劣，直到满足优化剪枝搜索方法的终止条件，最终得到较优的检测模型； 步骤S3中的优化剪枝搜索方法具体为： S31、首先选取所有特征作为初始解，通过步骤S4、S5进行一轮迭代，形成初始解的卷积神经网络模型，并通过评价函数计算出初始解的代价，将当前解设为全局最优解,初始化期望指标，并置剪枝表为空，评价函数如下所示： 其中，假设数据集中正样本为P，负样本为N，则为卷积神经网络模型将负样本预测为正样本的比例，为将正样本预测为负样本的比例，假设为提取后特征的数量，为原特征数量，则为提取后的特征数量与原特征数量的比例； S32、基于当前解，根据随机数的二进制位的01情况，1保留与0删除当前解的对应位的特征，形成t个相似解，组成候选集；其中，t与当前解的特征数量p有关，为减少迭代时间，； S33、基于上述步骤产生的候选集，构造维护最新r次特征改变的情况剪枝集，用于避免重复的特征改变；其中，r与整体特征数量m有关，为保证特征提取效率，；对于上述步骤产生的相似解，形成对应的特征数据集，将其转换为频谱图特征，并应于卷积神经网络中进行训练，将得到的检测模型采用评价函数计算出其中每个相似解的代价，按照三种剪枝策略遍历处理每个相似解； S34、若两次搜索迭中产生的局部最优解的评估代价相差低于终止阈值，或迭代u轮后则停止；其中，u与整体特征数量m有关，为减少迭代时间，。

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成都飞机工业(集团)有限责任公司，其通讯地址为：610092 四川省成都市青羊区黄田坝纬一路88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”。