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！

龙图腾网获悉河北师范大学申请的专利网络流量异常检测方法及装置、终端设备、可读存储介质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：CN115712846B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211410582.1，技术领域涉及：G06F18/23213；该发明授权网络流量异常检测方法及装置、终端设备、可读存储介质是由解滨;徐童童;张春昊;张喜梅设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本网络流量异常检测方法及装置、终端设备、可读存储介质在说明书摘要公布了：本发明提供了一种网络流量异常检测方法及装置、终端设备、可读存储介质，该方法包括：获取待检测的网络流量数据集后构造网络流量数据集对应的k近邻图；进而确定每个网络流量数据对应的相对距离以及全局密度；基于每个网络流量数据的相对距离以及全局密度确定每个网络流量数据的γ值，并对每个网络流量数据的γ值进行拉伸，得到每个网络流量数据的γ变换值；基于每个网络流量数据的γ变换值确定聚类中心点集，并根据聚类中心点集对各个非聚类中心点进行逐级分配，得到多个网络流量数据簇；基于多个网络流量数据簇确定异常的网络流量数据。本发明能够降低网络流量异常检测的误检率，提高检测精度。

本发明授权网络流量异常检测方法及装置、终端设备、可读存储介质在权利要求书中公布了：1.一种网络流量异常检测方法，其特征在于，包括： 获取待检测的网络流量数据集，并通过计算每两个网络流量数据之间的距离构造所述网络流量数据集对应的k近邻图； 计算每两个网络流量数据的相似度，得到所述网络流量数据集对应的初始相似度矩阵； 根据所述k近邻图以及所述初始相似度矩阵确定每个网络流量数据的局部密度，并根据每个网络流量数据的局部密度确定每个网络流量数据对应的相对距离； 基于所述初始相似度矩阵以及每个网络流量数据的局部密度确定k近邻图上每两个网络流量数据的边权重，并基于每两个网络流量数据的边权重以及马尔科夫链思想确定每个网络流量数据的全局密度，包括：基于每两个网络流量数据的边权重以及马尔科夫链思想确定不同步数游走的转移概率矩阵；对不同步数游走的转移概率矩阵加权处理后，得到一致性转移概率矩阵；根据所述一致性转移概率矩阵确定每两个网络流量数据之间的全局轨迹相似度，并基于所述全局轨迹相似度确定每个网络流量数据的全局密度； 基于每个网络流量数据的相对距离和每个网络流量数据的全局密度确定每个网络流量数据的γ值，并对每个网络流量数据的γ值进行拉伸，得到每个网络流量数据的γ变换值； 基于每个网络流量数据的γ变换值确定聚类中心点集，包括：对每个网络流量数据的γ变换值进行排序，得到每个网络流量数据的排序序号；基于每个网络流量数据的γ变换值确定用于截断的目标网络流量数据；将排序序号在所述目标网络流量数据之前的各个网络流量数据作为聚类中心点，得到聚类中心点集；其中，表示第个聚类中心点； 并根据所述聚类中心点集对各个非聚类中心点进行逐级分配，得到多个网络流量数据簇，包括：第一级分配：若，且，则；其中，表示网络流量数据属于聚类中心点的近邻点，表示聚类中心点属于网络流量数据的近邻点，表示聚类中心对应的网络流量数据簇，表示将网络流量数据分配至簇；第二级分配：将第一网络流量数据分配至其近邻点中最多点所在的网络流量数据簇中；其中，第一网络流量数据指的是进行第一级分配后，还未分配的网络流量数据；第三级分配：将第二网络流量数据分配至其相对点所在的网络流量数据簇中；其中，第二网络流量数据指的是进行第二级分配后，还未分配的网络流量数据；第二网络流量数据的相对点指的是比其局部密度更高且距离最近的网络流量数据；其中，所述聚类中心点集中包含各个聚类中心点，所述聚类中心点指的是作为聚类中心的网络流量数据，所述非聚类中心点指的是未作为聚类中心的网络流量数据； 基于所述多个网络流量数据簇确定异常的网络流量数据。

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河北师范大学，其通讯地址为：050024 河北省石家庄市南二环东路20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。