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！

龙图腾网获悉长安大学申请的专利一种针对多尺度网络攻击的异常流量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：CN119603010B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411650348.5，技术领域涉及：H04L9/40；该发明授权一种针对多尺度网络攻击的异常流量检测方法是由杨志海;冯岩;李建新;李珂心;侯自然;孔晨旭设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种针对多尺度网络攻击的异常流量检测方法在说明书摘要公布了：本发明公开了一种针对多尺度网络攻击的异常流量检测方法，具体包括：搭建MSA的网络环境，采集现实网络环境中的MSA数据；将流量数据转换成以csv文件组成的数据集，生成训练模型的网络模型数据集；对网络模型数据集中的特征进行数值化、归一化操作，同时使用基于RF的特征选择方法对模型数据集进行特征选择；经过预处理后的模型数据集被构建为一个以网络流量为节点信息，流量相似性为边信息的图结构，节点之间连接边的权重为流量之间的余弦相似性；图结构输入至基于GNN的异常流量检测模型进行训练，提取网络流量的潜在特征信息，形成低维的特征向量表示；将低维的特征向量作为Sigmoid分类器的输入数据，得到网络入侵检测结果。

本发明授权一种针对多尺度网络攻击的异常流量检测方法在权利要求书中公布了：1.一种针对多尺度网络攻击的异常流量检测方法，其特征在于，具体按照以下步骤实施： S1，搭建MSA的网络环境，采集现实网络环境中的MSA数据，捕获该网络中传输的网络流量数据； S2，将S1中捕获的网络流量数据转换成以csv文件组成的数据集，将数据集中的冗余的零值特征进行剔除，生成训练模型的网络模型数据集； S3，对S2生成训练模型的网络模型数据集中的特征进行数值化、归一化操作，同时使用基于RF的特征选择方法对网络模型数据集进行特征选择； S4，经过S3预处理后的网络模型数据集被构建为一个以网络流量为节点信息，流量相似性为边信息的图结构，节点之间连接边的权重为网络流量之间的余弦相似性； S5，被S4构建的图结构输入至基于GNN的异常流量检测模型进行训练，基于GNN的异常流量检测模型拥有三个图卷积层GCN，提取网络流量的潜在特征信息，并更新节点表示，形成低维的特征向量表示作为分类器的输入； S6，将低维的特征向量作为Sigmoid分类器的输入数据，得到网络入侵检测结果，异常流量检测模型通过提取异常流量信息，将网络流量分为正常流量和异常流量。

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长安大学，其通讯地址为：710000 陕西省西安市雁塔区南二环路中段；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”。