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！

龙图腾网获悉厦门华聚物联技术有限公司申请的专利基于深度学习的通信重放攻击检测模型训练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：CN121098633B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511639831.8，技术领域涉及：H04L9/40；该发明授权基于深度学习的通信重放攻击检测模型训练方法及系统是由吴荣兴;陈松龙;廖雄;陈方李;卢忠云;赵永康设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本基于深度学习的通信重放攻击检测模型训练方法及系统在说明书摘要公布了：本发明提供基于深度学习的通信重放攻击检测模型训练方法及系统，涉及设施通信安全技术领域，所述方法包括：采集正常通信状态下的数据包特征，数据包特征包括指令发送时间间隔、数据包时序关联性、指令与电网实时负载的匹配度；将采集的数据包特征转换为多维特征向量集，并在特征空间内构建一个基准参考域；根据特征向量的分布特性对基准参考域进行结构划分，以得到多个子区域；对特征向量在各子区域中的分布进行分析，得到分析结果；根据分析结果得到自适应校准系数，通过校准系数对原始数据包特征进行优化增强，得到优化增强后的数据包特征。本发明解决现有技术中对通信重放攻击检测准确率低和难以适应复杂通信环境的问题。

本发明授权基于深度学习的通信重放攻击检测模型训练方法及系统在权利要求书中公布了：1.基于深度学习的通信重放攻击检测模型训练方法，其特征在于，所述方法包括： 采集正常通信状态下的数据包特征，数据包特征包括指令发送时间间隔、数据包时序关联性、指令与电网实时负载的匹配度，其中，数据包时序关联性是基于得到的指令数据流及其类型与内容序列，并结合得到的指令发送时间间隔特征，分析前后指令之间的逻辑依赖与状态转换关系，从而构建出数据包时序关联性特征； 将采集的数据包特征转换为多维特征向量集，并在特征空间内构建一个基准参考域；根据特征向量的分布特性对基准参考域进行结构划分，以得到多个子区域，包括： 基于采集的多维数据包特征，将每个数据包的所有特征进行归一化处理并组合成一个统一的多维特征向量，得到多维特征向量集； 以得到的多维特征向量集为基础，在特征空间内通过密度聚类或网格划分方法构建一个涵盖所有正常通信特征的基准参考域； 对构建的基准参考域中的特征向量分布特性进行统计分析，识别特征空间中的高密度区域与低密度区域，以得到分布特性分析结果； 根据分布特性分析结果，采用自适应阈值对基准参考域进行结构划分，最终得到多个表征不同特征分布特性的子区域； 对特征向量在各子区域中的分布进行分析，得到分析结果；根据分析结果得到自适应校准系数，通过校准系数对原始数据包特征进行优化增强，得到优化增强后的数据包特征，包括： 基于得到的多个子区域，分别统计每个子区域内特征向量的分布密度和方差特征，得到各子区域的分布特性分析结果； 根据得到的分布特性分析结果，针对不同子区域分别计算相应的自适应校准系数； 将得到的自适应校准系数应用到采集的原始数据包特征上，通过加权和缩放操作对特征进行优化增强； 对优化增强后的数据包特征进行归一化处理，最终得到优化增强后的数据包特征； 基于优化增强后的数据包特征，构建深度学习训练数据集，训练数据集包括正常通信样本和标注的重放攻击样本； 根据构建的训练数据集，训练深度学习模型，其中深度学习模型通过LSTM长短期记忆网络学习正常通信的时序规律； 将标注的重放攻击样本输入初步训练后的深度学习模型，得到预测特征向量；计算预测特征向量与真实特征向量之间的几何距离及预测特征向量与最近邻真实样本的平均几何距离，以最小化距离为目标，对模型参数进行优化调整，使优化后的深度学习模型实时识别重放攻击，得到最终检测模型。

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厦门华聚物联技术有限公司，其通讯地址为：361000 福建省厦门市火炬高新区(翔安)产业区万家春路1019-2号502-2单元；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。