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！

龙图腾网获悉中国科学院重庆绿色智能技术研究院申请的专利基于特征筛选的网络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：CN119814421B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411918437.3，技术领域涉及：H04L9/40；该发明授权基于特征筛选的网络异常流量检测方法是由刘曙光;钟坤华;陈芋文;孙启龙设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于特征筛选的网络异常流量检测方法在说明书摘要公布了：本发明为基于特征筛选的网络异常流量检测方法，属于信息安全领域。该方法步骤为：S1：采集数据采集及预处理；S2：利用统计方法计算静态特征；S3：利用TCN网络提取动态特征，并拼接为待检测特征；S4：建立因果模型，将待检测特征作为输入；S5：建立主成分强化学习模型，将待检测特征作为输入；S6：将因果模型和主成分强化学习模型的输出进行拼接后输入到一个分类器中，得到网络异常流量的检测结果；S7：建立损失函数，结合结果标签，对网络参数进行训练；S8：利用训练好的网络对实时网络流量进行网络异常流量的检测。本发明方法既能够保证网络异常流量检测的精准，又能够筛除干扰特征，降低计算复杂度。

本发明授权基于特征筛选的网络异常流量检测方法在权利要求书中公布了：1.基于特征筛选的网络异常流量检测方法，其特征在于，包括以下步骤： S1：采集网络流量数据并进行预处理，得到时序数据； S2：利用统计方法模块对时序数据进行统计，得到静态特征； S3：利用TCN网络对时序数据进行特征提取，得到动态特征，并将动态特征和静态特征拼接成为待检测特征； S4：基于Granger因果检验方法建立因果模型，将待检测特征作为输入； S5：基于主成分分析方法和强化学习网络架构建立主成分强化学习模型，将待检测特征作为输入； S6：将因果模型和主成分强化学习模型的输出进行拼接后输入到一个分类器中，得到网络异常流量的检测结果； S7：建立损失函数，结合已标注的历史时序数据，对基于特征筛选的网络异常流量检测网络进行训练； S8：利用步骤S7训练好的基于特征筛选的网络异常流量检测网络对实时网络流量进行网络异常流量的检测； 其中，步骤S1所述的预处理需要包含按照数据的时间戳进行排序，并按照采样周期进行划分；步骤S2所述的静态特征包含周期内时序数据的均值、方差、高阶矩；步骤S6所述的分类器为XGBoost；步骤S7所述的损失函数为Loss＝LossFocal-Lossrecall，其中，LossFocal＝-αt1-ptγlogpt为FocalLoss损失函数，pt为预测结果与标签一致的概率，Lossrecall为网络流量异常样本的漏识别率，即异常样本的召回率；αt、γ为超参数。

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科学院重庆绿色智能技术研究院，其通讯地址为：400714 重庆市北碚区水土街道方正大道266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。