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！

龙图腾网获悉北京邮电大学申请的专利一种面向封闭内部网络的可解释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：CN119628855B 。

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：202411210043.2，技术领域涉及：H04L9/40；该发明授权一种面向封闭内部网络的可解释异常流量检测方法是由陆月明;刘洋;姚琳元;吴昊;何涛;阎小涛;樊明睿;蔡昀;史玮东;左金鑫设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本一种面向封闭内部网络的可解释异常流量检测方法在说明书摘要公布了：本发明公开了一种面向封闭内部网络的可解释异常流量检测方法，属于网络空间安全技术领域。首先采用深度自编码器学习良性流量的深层模式，对良性流量进行重构。在深度自编码器的中间输出的引导下，采用梯度上升法，从重构的良性流量特征中提取白名单规则，本发明所得的白名单规则库，既能够保留深度自编码器较好的异常检测性能，又能向使用者提供清晰的决策解释，达到了检测精度和可解释性的平衡。同时，本发明明显降低了软硬件开销，更适用于封闭内部网络。

本发明授权一种面向封闭内部网络的可解释异常流量检测方法在权利要求书中公布了：1.一种面向封闭内部网络的可解释异常流量检测方法，其特征在于，包括以下步骤： 步骤一，通过若干良性流量样本训练深度自编码器，学习良性流量中的深层模式； 深度自编码器包含两部分：编码器与解码器，训练过程为： 步骤101，通过编码器将原始良性流量样本输入向量映射为低维向量，并输出给解码器； 步骤102，解码器将低维向量重构为原始输入向量，计算重构向量与原始向量之间的重构损失； 原始训练数据集记为初始化自编码器模型M，模型相关参数记为θ，采用均方误差为损失函数并记为Π，公式如下： 步骤103，判断重构损失是否达到收敛，若是，则迭代停止，深度自编码器训练完成；否则，基于该重构损失指导更新解码器和编码器参数，返回步骤101重新进行编码映射和解码重构，继续迭代； 步骤二，良性流量样本经过训练好的深度自编码器进行重构扩展，对扩展后的特征空间进行聚类，划分类簇，每个类簇代表一个子分布； 步骤三，基于重构损失梯度上升原则，对每个子分布进行边界规则提取； 边界规则提取的过程具体为： 步骤301，遍历所有子分布，为每个类簇生成最小超立方体，记为Mini-Hyper-Cube，同时记每个类簇中良性样本的最大重构损失为thres； 步骤302，在各Mini-Hyper-Cube的每个超平面内部的浅层邻域内取若干样本实例作为Explorer； 步骤303，在各类簇中计算重构损失梯度上升的方向，并沿着该方向移动Explorer，直至其重构损失大于thres，记录此时梯度方向对应的特征的取值和即为该特征的一个边界阈值； 步骤304，在每个超平面上重复上述过程，求得每个特征的边界阈值，组合成当前类簇的边界规则，表示为： 其中，1,2,…,k为超平面编号； 步骤四，将每个子分布的边界规则合并，组成一个描述良性流量全局分布的完整的白名单规则库； 步骤五，针对某封闭内部网络的未知流量数据，利用白名单规则库进行检测，得到其中的异常流量情况。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。