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！

龙图腾网获悉南京邮电大学申请的专利一种基于时空代价成本的大规模物联网流量多分类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：CN115361195B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210983986.3，技术领域涉及：H04L9/40；该发明授权一种基于时空代价成本的大规模物联网流量多分类方法是由徐小龙;朱士洲设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种基于时空代价成本的大规模物联网流量多分类方法在说明书摘要公布了：本发明公开一种基于时空代价成本的大规模物联网流量多分类方法，获取待识别的物联网异常及加密流量；将待识别的物联网异常及加密流量输入预先训练的目标网络模型，获得类别预测向量和对应的预测标签。预先训练目标网络模型：根据格式化后物联网异常及加密流量样本数量相对分布，创建成本代价矩阵；将格式化样本向量集合和成本代价矩阵输入构建的目标网络模型中，得到多分类预测序列；提取多分类预测序列中的类别预测向量，类别预测向量代表物联网异常及加密流量样本所属各个类别对应的最终预测值；根据最终预测值中的最大值，获取对应的类别和对应类别的预测标签。

本发明授权一种基于时空代价成本的大规模物联网流量多分类方法在权利要求书中公布了：1.一种基于时空代价成本的大规模物联网流量多分类方法，其特征在于，包括： 获取待识别的物联网异常及加密流量； 将待识别的物联网异常及加密流量输入预先训练的目标网络模型，获得类别预测向量和对应的预测标签； 预先训练目标网络模型，通过以下步骤实现： 获取训练集，训练集包括不同类别的物联网异常及加密流量样本、格式化样本向量集合和物联网异常及加密流量样本的真实标签； 根据格式化后物联网异常及加密流量样本数量相对分布，创建成本代价矩阵； 将格式化样本向量集合和成本代价矩阵输入构建的目标网络模型中，得到多分类预测序列； 提取多分类预测序列中的类别预测向量，类别预测向量代表物联网异常及加密流量样本所属各个类别对应的最终预测值； 根据最终预测值中的最大值，获取对应的类别和对应类别的预测标签； 预先训练目标网络模型，还包括： 将格式化样本向量视为具有时序关系的n步序列，每步长为m，输入目标网络模型，每步输入1×m的格式化样本向量； 将输入的格式化样本向量分别接入向前和向后的两个LSTM中，捕获数据包前后的时序特征； 将数据包前后的时序特征作为空间特征提取的输入，使用一维卷积方法进行提取； 目标网络模型输出类别预测向量； 其中，输出的类别预测向量中的每一个值代表物联网异常及加密流量样本对应每一类的真实度预测P； 利用成本代价矩阵计算物联网异常及加密流量样本的各个类别的成本代价； 成本代价惩罚的表达式为：其中，为真实标签向量；为预测标签向量，包括物联网异常及加密流量样本所属各个类别对应的最终预测值；值为预测标签向量中真实类别对应的预测值；为成本代价矩阵施加成本代价惩罚后更新的类别预测向量；为成本代价。

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南京邮电大学，其通讯地址为：210037 江苏省南京市鼓楼区新模范马路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”。