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信息工程研究所申请的专利针对IoT入侵检测系统的成本敏感流量特征选择方法及系统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：CN119675904B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411626111.3，技术领域涉及：H04L9/40；该发明授权针对IoT入侵检测系统的成本敏感流量特征选择方法及系统是由夏葳;熊刚;李镇;陈子骞;肖俊超;梁睿琪设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本针对IoT入侵检测系统的成本敏感流量特征选择方法及系统在说明书摘要公布了：本发明公开了一种针对IoT入侵检测系统的成本敏感流量特征选择方法及系统，属于物联网领域。本发明通过量化特征计算成本与识别效果的平衡，优化特征子集。使用计算成本评估模型对特征的计算负担进行量化，并结合粒子群优化算法与正交稀疏向量初始化策略，从多个流量场景中筛选出高效且精准的特征子集。通过多维适应度函数评估计算损失、识别能力与特征数量的综合效果，确保特征子集在降低计算成本的同时不牺牲检测精度。本发明有效提高了IoT恶意流量识别的效率与精度。

本发明授权针对IoT入侵检测系统的成本敏感流量特征选择方法及系统在权利要求书中公布了：1.一种针对IoT入侵检测系统的成本敏感流量特征选择方法，其特征在于，包括以下步骤： S1：获取特征构建源码和不同场景的PCAP文件，从中提取各场景的流特征； S2：获取流特征提取时的特征计算时间，并根据各场景的流传输频率计算场景权重，利用场景权重对特征计算时间加权平均，得到特征计算损失； S3：基于正交稀疏向量算法对提取的流特征构成的特征空间进行粒子初始化，每个粒子代表一个特征子集，并通过粒子初始化为粒子赋予初始位置和速度； S4：基于粒子的初始位置和速度，采用粒子群优化算法中随机更新粒子的位置和速度，生成临时特征子集； S5：通过随机森林分类器训练并测试临时特征子集，记录F1分数； S6：采用多维适应度函数，根据特征计算损失和F1分数计算适应度，将该适应度作为特征子集的综合评分；采用多维适应度函数计算适应度的步骤包括： 根据F1分数计算识别分数： ＝ScaleF,4 根据特征计算损失计算计算损失分数： 根据特征计算损失计算特征数量分数： 根据识别分数、计算损失分数和特征数量分数的加权求和，得到适应度： RecoFitness＝w·S+w·S+w·S 其中，RecoFitness为适应度，S为识别分数，Sc为计算损失分数，Sn为特征数量分数，w1,w2,w3为权重系数，FCLselected为当前特征子集的特征计算损失，FCLtotal为总体特征计算损失，Scale为缩放数值函数； S7：如果当前特征子集的综合评分超过历史最优值，则将当前特征子集更新为当前全局最优特征子集。

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信息工程研究所，其通讯地址为：100085 北京市海淀区树村路19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。