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！

龙图腾网获悉安徽大学申请的专利基于改进的WGAN采样与集成学习的网络入侵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：CN120692074B 。

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：202510852301.5，技术领域涉及：H04L9/40；该发明授权基于改进的WGAN采样与集成学习的网络入侵检测方法是由金飞飞;章丹丹;夏平凡;刘金培;常博森;陈意设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本基于改进的WGAN采样与集成学习的网络入侵检测方法在说明书摘要公布了：本发明涉及基于改进的WGAN采样与集成学习的网络入侵检测方法，与现有技术相比解决了针对高维且类不平衡的网络流量数据，集成模型的基学习器自适应能力不足，难以抑制噪声干扰并挖掘关键攻击模式的缺陷。本发明包括以下步骤：网络流量数据的获取；基于DDWGLO框架进行数据增强；基于Stacking构建网络入侵检测模型；网络入侵检测模型的训练；网络入侵的实时检测。本发明采用DDWGLO进行数据增强、基于Circle混沌映射改进的牛顿‑拉夫逊优化算法自适应分配权重，进而提高网络入侵检测的准确性。

本发明授权基于改进的WGAN采样与集成学习的网络入侵检测方法在权利要求书中公布了：1.一种基于改进的WGAN采样与集成学习的网络入侵检测方法，其特征在于，包括以下步骤： 11网络流量数据的获取：获取网络流量数据并进行预处理，得到类不平衡数据集；对类不平衡数据集R按照8：2的比例划分为类不平衡训练集R1和测试集E1，基于类不平衡训练集R1选取特征重要性排名前10的特征构建关键特征子集R1'； 12基于DDWGLO框架进行数据增强：使用混合采样DDWGLO框架对类不平衡数据集中攻击流量类别进行采样处理； 其中，数据增强的实现为：针对类不平衡训练集R1使用训练好的DDWGAN模型进行第一次数据平衡处理；再使用LOF模型对生成样本进行异常检测，并剔除其中的噪声样本；噪声去除后，类别再次变得不平衡，使用DDWGAN模型进行第二次类别平衡处理，得到最终的类别平衡训练集R2； 13基于Stacking构建网络入侵检测模型； 14网络入侵检测模型的训练：利用类别平衡训练集R2训练网络入侵检测模型，采用基于Circle混沌映射改进的牛顿-拉夫逊优化算法来为Stacking一级学习器的输出结果自适应分配最优权重，将赋权后的检测结果作为Stacking二级学习器的训练集； 15网络入侵的实时检测：实时侦听网络流量数据，将网络流量数据输入训练后的网络入侵检测模型，输出检测结果，实现网络入侵检测。

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安徽大学，其通讯地址为：230031 安徽省合肥市肥西路3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。