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！

龙图腾网获悉南京工业大学申请的专利基于预训练语言模型联邦分割学习的网络入侵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：CN119766574B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510199342.9，技术领域涉及：H04L9/40；该发明授权基于预训练语言模型联邦分割学习的网络入侵检测方法是由李芳;沈航;王天荆;戴远飞;白光伟设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本基于预训练语言模型联邦分割学习的网络入侵检测方法在说明书摘要公布了：针对网络入侵检测系统中隐私保护与攻击识别的双重需求，本发明提出了一种基于预训练语言模型联邦分割学习的网络入侵检测方法。对于攻击检测中面临的流量特征提取困难、边缘设备算力受限、以及分布式节点间数据隐私壁垒等挑战，本方法融合联邦学习的隐私保护机制与分割学习的计算卸载优势，构建面向流量特征分析的预训练语言模型学习架构。该方法通过分层分割策略将预训练语言模型解耦为边缘侧轻量化模块与云端深度推理模块，通过基于多头注意力机制的联邦聚合实现全局模型稳定性与本地个性化的平衡优化。边缘侧引入对抗增强机制，将预训练语言模型的特征提取能力与生成对抗网络的动态博弈相结合，通过对抗样本重构提升模型对复杂网络攻击的泛化能力。

本发明授权基于预训练语言模型联邦分割学习的网络入侵检测方法在权利要求书中公布了：1.一种基于预训练语言模型联邦分割学习的网络入侵检测方法，其特征是，在带有云端服务器和N个边缘节点的边缘计算系统中，边缘节点采用边缘模型对本地网络流量进行识别分类，云端服务器负责分割模型训练和联邦参数聚合； 边缘模型是集成BERT与条件生成对抗网络CGAN的架构，包括生成器G以及由BERT、分类网络C组成的判别器D；嵌入到判别器D中的预训练语言模型BERT用于对本地网络流量进行特征提取，分类网络C基于提取的流量特征进行检测分类； 边缘模型被分割成BERT特征提取层、分类网络C和生成器G，其中BERT模型进一步被分割成Embedding层、Transformer层和Head层； Transformer层和Head层构成顶层模型，分别表示为和，则顶层模型表示为；生成器G、分类网络C和Embedding层构成底层模型，分别表示为、和，则底层模型表示为；边缘模型表示为； 各个边缘节点使用其本地数据训练、和，云端服务器维护和； 在联邦分割学习中：各个边缘节点使用其本地数据训练边缘模型，并把更新参数发送到云端服务器；云端服务器训练分割模型，并通过多头注意力机制聚合各边缘节点的分割模型更新，形成全局模型参数，并将其分发回边缘节点；各边缘节点再根据本地数据作进一步的微调，保留全局模型的基础结构，但在本地数据上进行个性化调整； 分割模型的迭代目标是找到最优模型，使全局模型损失函数最小化； 设和分别表示边缘节点i对应的顶层模型和底层模型，表示的损失函数，表示的损失函数，则 基于多头注意力机制的参数聚合为： 云端服务器为边缘节点i维护独立的Transformer层和Head层，分别表示为；在云端服务器中，多头注意力机制用来聚合来自边缘节点的参数，并将聚合后的参数发送回边缘节点； 经多层堆叠后生成Q、K、V，其中Q、K和V分别为查询矩阵、键矩阵和值矩阵；在聚合过程中，分别被作为Q和K输入到多头注意力机制中；对于每个注意头，执行自关注函数以获得一个新向量，通过多个注意力头的汇聚，关注对全局模型更新贡献大的边缘节点，从而实现模型参数聚合； 聚合模型参数的注意力权重被表示为， ； 完成多轮局部迭代更新后，被更新为 。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。