Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 海南大学羊秋玲获国家专利权

海南大学羊秋玲获国家专利权

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!

龙图腾网获悉海南大学申请的专利基于CNN-LSTM的水声通信入侵检测方法及系统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:CN119420535B

龙图腾网通过国家知识产权局官网在2025-09-23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:202411540844.5,技术领域涉及:H04L9/40;该发明授权基于CNN-LSTM的水声通信入侵检测方法及系统是由羊秋玲;丁正;李鹏程;黄向党设计研发完成,并于2024-10-31向国家知识产权局提交的专利申请。

基于CNN-LSTM的水声通信入侵检测方法及系统在说明书摘要公布了:本发明涉及一种基于CNN‑LSTM的水声通信入侵检测方法及系统。所述方法包括:以水下通信节点、中继节点、岸基通信服务器为基础,构建由路由层、MAC层、物理层组成的水下传感器网络入侵攻击系统;基于入侵攻击系统对水下传感器网络进行模拟攻击,实时采集水下传感器网络中的攻击数据;通过改进的CNN‑LSTM融合模型中进行迭代和入侵检测,得到目标CNN‑LSTM融合模型进行水声通信入侵检测;改进的CNN‑LSTM融合模型为通过中间层构件连接CNN和LSTM模型。由于考虑了网络层的入侵、MAC层和物理层异常攻击,通过改进的CNN‑LSTM融合模型进行入侵检测,提升了模型对各类网络攻击的检测能力,从而提高水声通信入侵检测的精度。

本发明授权基于CNN-LSTM的水声通信入侵检测方法及系统在权利要求书中公布了:1.一种基于CNN-LSTM的水声通信入侵检测方法,其特征在于,所述方法包括: 以水下通信节点、中继节点、岸基通信服务器为基础,构建由路由层、MAC层、物理层组成的水下传感器网络入侵攻击系统,并通过所述攻击系统模拟有岸基通信服务器设备的水下传感器网络; 基于所述入侵攻击系统对水下传感器网络进行模拟攻击,实时采集所述水下传感器网络中的攻击数据,并采用FFT算法和滑动窗口机制处理所述攻击数据,得到攻击数据集;构建跨物理层、MAC层以及路由层的通信传输数据集; 将所述攻击数据集、传输数据集输入至改进的CNN-LSTM融合模型中进行迭代和入侵检测,并根据输出结果对所述改进的CNN-LSTM融合模型进行调整优化,得到目标CNN-LSTM融合模型;所述改进的CNN-LSTM融合模型是以CNN和LSTM为基础的双模型连接架构;所述改进的CNN-LSTM融合模型中,CNN部分设置有卷积层、最大池化层、激活函数构建;LSTM部分构建在所述CNN部分之后,且所述LSTM部分之后部署有全连接层、softmax层,并采用交叉熵损失函数作为模型评价指标; 所述方法还包括:采集水试数据,并将所述水试数据输入至所述改进的CNN-LSTM融合模型中;通过所述改进的CNN-LSTM融合模型中的CNN部分对所述水试数据进行特征提取,并对提取后的特征进行数据处理,得到处理后的时序数据;通过所述改进的CNN-LSTM融合模型中的LSTM部分对所述时序数据进行训练处理,输出训练过程中的检测结果; 基于所述目标CNN-LSTM融合模型进行水声通信入侵检测,输出水声通信入侵检测结果; 其中,所述改进的CNN-LSTM融合模型为通过中间层构件连接CNN和LSTM模型,重新部署卷积层、最大池化层以及激活函数构件,并通过全连接层和softmax层进行优化处理之后的模型。

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海南大学,其通讯地址为:570100 海南省海口市人民大道58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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。