南京航空航天大学周福辉获国家专利权
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!
龙图腾网获悉南京航空航天大学申请的专利基于分布外数据的恶意发射机智能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:CN120640295B 。
龙图腾网通过国家知识产权局官网在2025-11-14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:202511154507.7,技术领域涉及:H04W12/121;该发明授权基于分布外数据的恶意发射机智能检测方法是由周福辉;张博文;佘诚达;徐铭;杨媛设计研发完成,并于2025-08-18向国家知识产权局提交的专利申请。
本基于分布外数据的恶意发射机智能检测方法在说明书摘要公布了:本发明为基于分布外数据的恶意发射机智能检测方法,包括:采集射频信号,构建深度残差收缩网络,完成特征提取和信号去噪;判断网络训练是否收敛,若未收敛则增加训练迭代次数继续优化;从分布外射频信号中采样形成按类别划分的子集;对每一类构建并训练双头偏差网络,通过偏差损失函数生成偏差得分;判断网络训练是否收敛,若未收敛则增加训练迭代次数继续优化;将深度残差收缩网络与双头偏差网络集成;将测试集数据输入训练完成的网络;输出恶意发射机拒绝的得分结果并与阈值比较确定检测结果。本发明通过引入分布外样本显著增强恶意发射机检测能力,提升对开放集未知发射机检测的准确性,降低恶意发射机对物联网系统的风险。
本发明授权基于分布外数据的恶意发射机智能检测方法在权利要求书中公布了:1.一种基于分布外数据的恶意发射机智能检测方法,其特征在于,所述方法包括如下步骤:1采集分布内射频信号及分布外射频信号,构建测试集数据; 2构建基于开放集发射机识别框架的网络,所述基于开放集发射机识别框架的网络集成深度残差收缩网络与双头偏差网络,所述深度残差收缩网络用于提取分布内射频信号和分布外射频信号的特征,判断发射机的类别;所述双头偏差网络基于所述特征检测射频信号是否属于恶意发射机;所述双头偏差网络基于所述特征检测射频信号是否属于恶意发射机具体为: 根据所述特征,确定分布内射频信号与分布外射频信号的对应关系,对每一类分布内射频信号,对应随机选取若干分布外射频信号共同组成子集,构建并训练双头偏差网络,所述双头偏差网络输出偏差得分,识别出恶意发射机; 判断所述深度残差收缩网络训练是否结束,若是,得到训练好的双头偏差网络,若否,将训练迭代次数加一后继续训练所述深度残差收缩网络; 所述双头偏差网络包含显式偏差分支和隐式偏差分支,所述显式偏差分支用于捕捉分布内射频信号及分布外射频信号类别的显式偏差特征,所述隐式偏差分支基于残差捕捉分布内射频信号及分布外射频信号类别的隐式偏差特性;通过偏差损失函数优化,生成偏差得分以区分已知和未知发射机,所述未知发射机即恶意发射机;所述偏差损失函数包含: ; 其中,是正态偏差,表示偏差网络得分,为表示参考分数的均值,是与相关联的标准差,用于衡量偏差分数的分布范围; 偏差损失如下: ; 其中,z为射频信号,y是射频信号类别的表示位,如果是分布外射频信号样本,则,如果是分布外射频信号样本,则;参数表示置信间隔阈值,控制分布外样本的偏离程度; 分别计算所述显式偏差分支和隐式偏差分支输出平均偏差得分; 3将测试集数据输入所述基于开放集发射机识别框架的网络,得到分类和检测结果。
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南京航空航天大学,其通讯地址为:210000 江苏省南京市江宁区将军大道29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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励