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！

龙图腾网获悉中山大学申请的专利一种基于增量学习的网络入侵流量检测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：CN120151001B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510252907.5，技术领域涉及：H04L9/40；该发明授权一种基于增量学习的网络入侵流量检测方法及系统是由金舒原;孙嘉堃设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种基于增量学习的网络入侵流量检测方法及系统在说明书摘要公布了：本发明公开了一种基于增量学习的网络入侵流量检测方法，所述方法包括：构建多维时间序列特征；将所述多维时间序列特征按照时间顺序排列，构成时间序列特征矩阵；将所述时间序列特征矩阵输入到预训练的第一恶意流量检测模型，输出流量样本的类别概率分布；基于增量的学习任务进行第二恶意流量检测模型训练，并利用所述输出流量样本的类别概率分布将所述第二恶意流量检测模型训练与所述第一恶意流量检测模型进行对齐，优化所述第二恶意流量检测模型性能；将优化好的第二恶意流量检测模型作为最终的恶意流量检测模型对网络流量进行检测，得到恶意流量检测结果。本发明实现了高效率的恶意流量检测。

本发明授权一种基于增量学习的网络入侵流量检测方法及系统在权利要求书中公布了：1.一种基于增量学习的网络入侵流量检测方法，其特征在于，所述方法包括： 构建多维时间序列特征； 将所述多维时间序列特征按照时间顺序排列，构成时间序列特征矩阵； 将所述时间序列特征矩阵输入到预训练的第一恶意流量检测模型，输出流量样本的类别概率分布； 基于增量的学习任务进行第二恶意流量检测模型训练，并利用所述输出流量样本的类别概率分布将所述第二恶意流量检测模型训练与所述第一恶意流量检测模型进行对齐，优化所述第二恶意流量检测模型性能； 将优化好的第二恶意流量检测模型作为最终的恶意流量检测模型对网络流量进行检测，得到恶意流量检测结果； 将所述时间序列特征矩阵输入到预训练的第一恶意流量检测模型，输出流量样本的类别概率分布的方法包括： 对所述时间序列特征矩阵进行特征提取转化为序列特征图，其中表示特征维度，表示固定的时间序列长度； 将所述序列特征图转换为固定维度的特征向量； 将固定维度的特征向量输入到预训练的分类器进行分类，输出流量样本的类别概率分布； 将固定维度的特征向量输入到预训练的分类器进行分类，输出流量样本的类别概率分布的方法包括： 使用一个全连接层作为分类器，将特征向量映射到类别概率分布，其中表示个恶意流量类别和1个良性流量类别； 所述分类器的训练方法包括： 使用交叉熵损失函数优化分类性能，其公式为： 其中，为样本数量，为真实类别标签，为预测概率分布； 基于增量的学习任务进行第二恶意流量检测模型训练，并利用所述输出流量样本的类别概率分布将所述第二恶意流量检测模型训练与所述第一恶意流量检测模型进行对齐，优化所述第二恶意流量检测模型性能的方法包括： 在当前模型训练时，利用Soft-DTW对齐当前模型和旧模型的序列特征图，计算对齐损失函数； 利用所述第一恶意流量检测模型的类别概率分布作为指导，通过时间知识蒸馏交叉熵损失进行优化； 计算每个类别的特征原型，生成伪样本用于校准分类器，同时通过优化伪样本分类损失进一步提升模型性能； 将损失整合为总损失函数，其中为权重超参数，通过交叉验证确定； 使用随机梯度下降或Adam优化器对总损失函数进行优化，训练过程中动态调整学习率和损失权重，最终实现对所述第二恶意流量检测模型性能的优化。

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山大学，其通讯地址为：510315 广东省广州市海珠区新港西路135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。