Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津大学何礼获国家专利权

天津大学何礼获国家专利权

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!

龙图腾网获悉天津大学申请的专利基于注意力机制的物联网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:CN116743633B

龙图腾网通过国家知识产权局官网在2025-11-28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:202310507735.2,技术领域涉及:H04L43/0876;该发明授权基于注意力机制的物联网异常流量检测方法是由何礼;石高涛设计研发完成,并于2023-05-08向国家知识产权局提交的专利申请。

基于注意力机制的物联网异常流量检测方法在说明书摘要公布了:本发明公开了一种基于注意力机制的物联网异常流量检测方法,主要包括:获取带有标签的训练数据集,对该训练集数据进行预处理后得到统一大小的灰度图像;构建基于注意力机制的物联网异常流量检测模型;利用预处理后得到统一大小的灰度图像训练物联网异常流量检测模型,得到该模型的最佳网络参数;实时获取物联网设备网络流量,并对流量数据进行预处理后得到统一大小的灰度图像;将得到的灰度图像输入到训练好的物联网异常流量检测模型中,该模型的输出即为检测结果。本发明结合深度可分离卷积和多通道注意力机制,使物联网异常流量检测模型在兼具高准确性的同时,更加轻量化,推理速度也更快。

本发明授权基于注意力机制的物联网异常流量检测方法在权利要求书中公布了:1.一种基于注意力机制的物联网异常流量检测方法,其特征在于,包括以下步骤: 步骤一、获取带有标签的训练数据集,对该训练集数据进行预处理后得到统一大小的灰度图像; 步骤二、构建基于注意力机制的物联网异常流量检测模型; 构建的物联网异常流量检测模型的结构包括特征提取部分和特征分类部分;其中,所述的特征提取部分具有三个阶段,第一阶段包括一个卷积神经网络和两个深度可分离的卷积编码器,第二阶段和第三阶段相同,包括一个下采样神经网络、一个深度可分离的卷积编码器和一个深度可分离的多通道注意力编码器; 所述的特征分类部分包括一个平均池化层和一个全连接层,所述全连接层后连接有Softmax; 2-1所述的深度可分离的卷积编码器的结构及表达: 所述的深度可分离的卷积编码器包括一个深度卷积神经网络、两个点卷积神经网络和一个跳跃连接:所述深度卷积神经网络的核的大小为3×3,经过该深度卷积神经网络得到输入的局部特征;两个点卷积神经网络用来丰富上述局部特征,在点卷积神经网络之后连接有标准归一化层和高斯误差线性单元,用以非线性的特征映射;所述的跳跃连接使得信息在网络层次中流动; 所述的深度可分离的卷积编码器的表达如下所示: xi+1=xi+LinearGLinearLNDwxi1 式1中,xi表示H×W×1的输入特征图,Dw是k×k深度卷积,LN表示标准归一化操作,Linear表示线性变换操作,LinearG表示点卷积神经网络与高斯误差线性单元一起作用的函数表示,xi+1表示所述的卷积编码器的输出特征图; 2-2所述的深度可分离的多通道注意力编码器的结构和表达: 首先:通过输入特征图中的各种空间层次来学习自适应的多尺度特征表示,包括:将输入张量H×W×C分成s个分组,每个分组为一个特征图子集,用xi表示,并且与Cs通道有相同的空间尺度,其中i∈{1,2,…,s},C表示通道数; 所有特征图子集中,除第一个特征子集x1之外,通过一个3×3的深度卷积神经网络di,该深度卷积神经网络di的输出表示为yi;并且,di-1的输出yi-1也被代入到特征子集xi中,然后,xi+yi-1输入到di中;特征图子集的数量s基于不同阶段t,其中t∈{2,3};yi表达如下: 然后,隐式编码全局图像表示,包括在通道维度上使用多头自注意力的点乘操作,在通道上计算互协方差; 将式2得到的yi归一化后得到张量Y,Y∈H×W×C,使用三个线性层计算Q,K,V∈HW×C投影,公式如下: Q=WQY,K=WKY,V=WVY3 在通道维度上计算QT和K的点乘,公式如下: C×HW·HW×C4 将式4得到的结果输入到Softmax,得到一个C×C的注意力分数矩阵,将V乘以所述的注意力分数矩阵并累加,转置注意力操作表示为如下公式: 式5中,X是输入张量,是输出特征张量; 最终,经过两个1×1的点卷积操作、正则化处理函数和高斯误差线性单元产生非线性的特征; 步骤三、利用预处理后得到统一大小的灰度图像训练物联网异常流量检测模型,得到该模型的最佳网络参数; 步骤四、实时获取物联网设备网络流量,并对流量数据进行预处理后得到统一大小的灰度图像;将得到的灰度图像输入到训练好的物联网异常流量检测模型中,该模型的输出即为检测结果。

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天津大学,其通讯地址为:300072 天津市南开区卫津路92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。

免责声明
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。