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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利基于机器学习算法的工控系统威胁诱捕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：CN119135401B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411237330.2，技术领域涉及：H04L9/40；该发明授权基于机器学习算法的工控系统威胁诱捕方法是由王甲生;陈平;杨宇彤;叶清设计研发完成，并于2024-09-05向国家知识产权局提交的专利申请。

本基于机器学习算法的工控系统威胁诱捕方法在说明书摘要公布了：本发明公开了一种基于机器学习算法的工控系统威胁诱捕方法，针对电力工控系统面临的异常流量类型复杂、特征维度高等问题，引入随机森林算法设计动态蜜网系统的数据检测模块，提升了异常流量识别的准确率。同时，利用深度强化学习的DQN算法帮助蜜网系统在面对不同攻击行为时作出策略动态调整。通过实验结果表明本发明能够有效提升工控系统的网络安全防护能力。

本发明授权基于机器学习算法的工控系统威胁诱捕方法在权利要求书中公布了：1.基于机器学习算法的工控系统威胁诱捕方法，其特征在于，包括以下步骤： 步骤1：针对工控系统中各个设备和协议的特征，修改Conpot蜜罐的初始配置文件； 步骤2：在工控网络中部署多个不同类型的蜜罐节点，对不同类型的工控设备进行仿真； 步骤3：在每个蜜罐节点上构建诱捕模型； 步骤4：利用诱捕模型对进入蜜罐节点的数据流量判断，捕获异常数据时，动态执行配置的策略； 其中，步骤3建立诱捕模型的具体步骤包括： 步骤3.1：基于CIC-IDS-2017数据集，构建流量分类样本集； 步骤3.2：构建随机森林模型，并利用流量分类样本集对模型进行训练和测试； 步骤3.3：将随机森林模型的输出作为DQN模型的输入； 步骤3.4：DQN模型检测输入的流量数据标签，根据标签类型得到不同的奖励，根据奖励计算目标Q值函数，通过最小化损失函数，优化DQN模型参数，构建威胁诱捕模型； 并且，步骤3.4的具体步骤包括： 步骤3.4.1：获取随机森林模型检测后的流量数据； 步骤3.4.2：DQN模型对流量数据中的标签进行判定，若标签为“BENIGN”，则判断当前流量数据为异常流量，进入步骤3.4.3；否则当前流量数据为正常流量，得到相应的负奖励； 步骤3.4.3：执行异常流量动作，若执行成功，则得到相应的正奖励；否则得到相应的负奖励； 步骤3.4.4：根据得到的奖励值计算目标Q值，最小化损失函数，判断损失函数的损失值损是否小于等于预设阈值，若否，利用梯度下降法来更新DQN的参数；若是，输出构建的DQN模型。

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中国人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市硚口区解放大道717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”。

以上内容由龙图腾AI智能生成。