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！

龙图腾网获悉广东工业大学申请的专利基于SDN和图神经网络的网络异常攻击行为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：CN119675896B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411565280.0，技术领域涉及：H04L9/40；该发明授权基于SDN和图神经网络的网络异常攻击行为检测方法是由凌捷;苏键瀚;罗玉设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本基于SDN和图神经网络的网络异常攻击行为检测方法在说明书摘要公布了：本发明涉及网络安全与人工智能领域，更具体地，涉及基于SDN和图神经网络的网络异常攻击行为检测方法，其中方法包括：根据SDN控制器采集SDN交换机所保存的流量数据；计算节点流量特征值；构建网络流量的无向图结构：计算边流量特征值；将节点流量特征值和边流量特征值与无向图结构相结合，然后输入到GNN模型中进行建模，进行训练，得到训练后的网络异常攻击行为检测模型；通过训练后的网络异常攻击行为检测模型对新采集的流量数据进行检测，得到检测结果。本发明将SDN和GNN结合起来，利用SDN的动态网络管理能力，提升网络异常攻击行为检测的准确性和实时性，通过GNN对复杂的网络拓扑和节点间的关联进行建模，从而有效检测多种类型的网络异常攻击行为。

本发明授权基于SDN和图神经网络的网络异常攻击行为检测方法在权利要求书中公布了：1.基于SDN和图神经网络的网络异常攻击行为检测方法，其特征在于，包括： S1:根据SDN控制器采集SDN交换机所保存的流量数据； S2:根据流量数据，计算得出每个SDN交换机上的具有表征异常攻击流量特性的节点流量特征值； S3:根据实际网络拓扑结构，构建网络流量的无向图结构：无向图结构中的节点表示实际的SDN交换机，边表示流量的实际转发路径，计算每条边的具有表征异常攻击流量特性的边流量特征值； S4:将节点流量特征值和边流量特征值与无向图结构相结合，得到结合后的无向图结构；将结合后的无向图结构输入到GNN模型中进行建模，得到网络异常攻击行为检测模型；对网络异常攻击行为检测模型进行训练，得到训练后的网络异常攻击行为检测模型； 将结合后的无向图结构输入到GNN模型中进行建模，得到网络异常攻击行为检测模型包括： 构建图卷积层，图卷积层的作用是将每个节点的节点流量特征值与其邻居节点的节点流量特征值和邻边的边流量特征值结合，更新节点表示，图卷积操作的公式如下: 其中: 是节点vi在第l层的特征表示，初始时 是边i,j在第l层的特征表示，初始时 l是节点特征的可学习权重矩阵，Fl是边特征的可学习权重矩阵； σ是ReLU激活函数； 经过L层图卷积操作，得到了每个节点的最终特征表示即最终得到的节点特征矩阵HL为: 构建全连接层，将图卷积层输出的节点特征映射到分类空间；在全连接层，对节点进行二分类，区分节点是否正在转发异常攻击流量；全连接层操作的公式如下: 其中: 是全连接层的可学习权重矩阵； ∈R是偏置项； σ是Sigmoid激活函数，用于输出二分类概率； 是节点v的预测值，表示节点是否异常的概率； 对网络异常攻击行为检测模型进行训练，得到训练后的网络异常攻击行为检测模型包括： 使用二分类交叉熵损失函数作为训练模型的损失函数，其公式如下所示: 其中，yi是节点vi的真实标签，其中0表示正常节点，1表示异常节点，是模型对节点vi的预测概率； S5:通过训练后的网络异常攻击行为检测模型对新采集的流量数据进行检测，得到检测结果。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。