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！

龙图腾网获悉中国石油大学(华东)申请的专利一种基于时空图神经网络的DDoS攻击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：CN121193541B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511715525.8，技术领域涉及：H04L9/40；该发明授权一种基于时空图神经网络的DDoS攻击检测方法及系统是由肖军弼;吕晓璐;郭美玲;赵梦菲设计研发完成，并于2025-11-21向国家知识产权局提交的专利申请。

本一种基于时空图神经网络的DDoS攻击检测方法及系统在说明书摘要公布了：本发明提供了一种基于时空图神经网络的DDoS攻击检测方法及系统；属于网络安全与人工智能技术领域；首先在OpenFlow交换机中设计轻量检测模型，实时计算流不对称系数，基于自适应阈值实现DDoS攻击早期报警；利用SDN控制器按固定的时间间隔向所有交换机发送请求消息获取每台交换机的统计信息；结合传统网络特征与SDN特有特征，构建DDoS攻击相关多维度特征向量；构建时空图神经网络模型，通过门控时间卷积层捕捉节点特征的时序规律，空间图卷积层学习网络拓扑的空间依赖，进行DDoS攻击深度检测。本发明能够有效融合网络流量的时空特征，在保证网络效率的同时显著提升SDN架构下DDoS攻击检测的准确性与实时性。

本发明授权一种基于时空图神经网络的DDoS攻击检测方法及系统在权利要求书中公布了：1.一种基于时空图神经网络的DDoS攻击检测方法，其特征在于，包括以下过程： S1、基于在OpenFlow交换机中嵌入的轻量检测模型，实时计算流不对称系数，基于自适应阈值实现DDoS攻击早期报警，若存在异常，则进入S2； S2、利用SDN控制器按固定时间间隔向所有交换机发送请求消息获取每台交换机的流量统计、端口统计和流表统计信息，并划分检测窗口； S3、基于S2获取的按检测窗口划分的每台交换机的统计信息，提取传统网络特征并结合SDN特有特征，构建多维度特征向量并预处理； S4、将SDN网络拓扑以OpenFlow交换机为节点建模为图结构，结合预处理后的多维度特征向量，输入到SDN控制器中训练完成的时空图神经网络模型，进行DDoS攻击深度检测，判定每台交换机为正常交换机或异常交换机；所述时空图神经网络模型具体为： 将网络拓扑建模为以交换机为节点的图=，，V表示交换机集合，E表示边集合，即交换机间的连接链路； 输入层接收图G，提取图的邻接矩阵A与交换机节点的多维特征向量U一同输入至时空处理层； 时空处理层包括两个门控时间卷积层和一个空间图卷积层，第一门控时间卷积层接收交换机节点的多维特征向量U，输出每个交换机节点的时间特征表示Xt；空间图卷积层接收每个交换机节点的时间特征表示Xt与图的邻接矩阵A，输出每个检测窗口中交换机节点间的空间特征表示Xs；第二门控时间卷积层接收每个检测窗口中交换机节点间的空间特征表示Xs，融合输出每个交换机节点的时空特征表示X； 输出层接收时空处理层输出的时空特征表示X，经由全连接层计算每个检测窗口内所有交换机的分类概率，判定其为正常交换机或异常交换机； 所述第一门控时间卷积层的处理过程具体为： 根据输入的交换机节点的多维特征向量U，构建每个交换机节点在所有检测窗口的时间特征序列S； 对每个交换机节点进行双路径因果卷积，特征路径的卷积结果与时间特征序列S的残差连接融合得到特征路径输出feature，门控路径的卷积结果送入门控网络得到门控路径输出gate； 将特征路径输出feature与门控路径输出gate进行哈达玛乘积，得到时间特征表示Xt： ； ； ； ； 其中，表示节点在第i个检测窗口中的多维度特征向量，每个交换机节点在所有检测窗口的时间特征序列S，表示卷积操作，表示特征路径滤波器即卷积核，表示门控路径滤波器即卷积核，表示残差连接的权重参数矩阵； 所述空间图卷积层的处理过程具体为： 根据输入的每个交换机节点的时间特征表示Xt与图的邻接矩阵A，构建每个检测窗口中所有交换机节点的特征矩阵M； 在每个检测窗口进行双层图卷积操作，得到空间特征表示Xs： ； ； ； 其中，每个交换机节点的时间特征表示，表示每个检测窗口中所有交换机节点的特征矩阵，表示归一化邻接矩阵，=+表示邻接矩阵与|V|×|V|的单位矩阵的和，表示的对角矩阵，W表示权重参数矩阵，表示激活函数； 所述第二门控时间卷积层的处理过程具体为： 根据输入的每个检测窗口中交换机节点间的空间特征表示Xs，构建每个交换机节点在所有检测窗口的时间特征序列S； 对每个交换机节点进行双路径因果卷积，特征路径的卷积结果与时间特征序列S的残差连接融合得到特征路径输出feature，门控路径的卷积结果送入门控网络得到门控路径输出gate； 将特征路径输出feature与门控路径输出gate进行哈达玛乘积，得到时空特征表示X： ； ； ； ； 其中，表示每个检测窗口中交换机节点间的空间特征表示，每个交换机节点在所有检测窗口的时间特征序列，表示卷积操作，表示特征路径滤波器即卷积核，表示门控路径滤波器即卷积核，表示残差连接的权重参数矩阵； 所述输出层的处理过程具体为： 融合每个检测窗口的时空特征表示X输入全连接层，通过softmax函数得到交换机节点的分类概率： ； 其中，表示全连接层的权重矩阵，表示偏置项。

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石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。