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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于Snd-LSTM网络模型的网络攻击识别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：CN120034389B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510250653.3，技术领域涉及：H04L9/40；该发明授权一种基于Snd-LSTM网络模型的网络攻击识别方法是由张乐乾;李玉鑑设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于Snd-LSTM网络模型的网络攻击识别方法在说明书摘要公布了：本发明公开了一种基于Snd‑LSTM网络模型的网络攻击识别方法，涉及网络模型技术领域，对网络流量数据进行实时采集，并使用数据清洗算法对网络流量数据进行预处理；设计Snd‑LSTM网络模型的结构，捕捉网络流量中的时序特征；利用预处理后的网络流量数据训练Snd‑LSTM网络模型，进而分析网络流量的动态变化趋势；将待检测的网络流量数据输入训练好的Snd‑LSTM模型，根据网络流量特征模式进行推理计算，输出表示不同网络攻击类型概率的概率向量。本发明利用Snd‑LSTM能够通过学习历史数据中的模式，有效区分正常流量与异常攻击流量，不仅提高了攻击检测的准确性，还显著提升了检测效率，使得系统能够在实时环境中快速响应潜在威胁。

本发明授权一种基于Snd-LSTM网络模型的网络攻击识别方法在权利要求书中公布了：1.一种基于Snd-LSTM网络模型的网络攻击识别方法，其特征在于，包括以下步骤： 步骤一、对网络流量数据进行实时采集，并使用数据清洗算法对网络流量数据进行预处理； 步骤二、设计Snd-LSTM网络模型的结构，捕捉网络流量中的时序特征，设计Snd-LSTM网络模型结构的过程为： 将预处理后的网络流量数据按时间顺序排序，并创建滑动窗口生成时间序列数据，其中，所述滑动窗口大小根据网络流量的特性和分析需求确定； 设计Snd-LSTM网络模型的结构，包括输入层、LSTM层、全连接层和输出层； 其中，输入层：接受预处理后的时间序列数据作为输入，输入数据的形状为样本数、时间步长、特征数； LSTM层：使用多层LSTM单元捕捉时序特征，计算LSTM层单元数，并使用dropout正则化计算dropout正则化率防止过拟合； 全连接层：在LSTM层之后，需添加一个或多个全连接层进行特征组合和决策； 输出层：根据任务类型选择相应的输出层，用于分类不同的攻击类型，对于二分类任务，输出层有一个神经元，使用sigmoid激活函数，对于多分类任务，有多个神经元对应不同类型的攻击，使用softmax激活函数； 步骤三、利用预处理后的网络流量数据训练Snd-LSTM网络模型，进而分析网络流量的动态变化趋势； 步骤四、将待检测的网络流量数据输入训练好的Snd-LSTM模型，根据网络流量特征模式进行推理计算，输出表示不同网络攻击类型概率的概率向量，概率向量的输出过程为： 从网络监控系统中收集实时网络流量数据，并从中提取包括数据包大小、数据包到达间隔、协议类型、源目的IP地址和端口号的特征； 加载已训练好的Snd-LSTM模型，使加载的模型与实时网络流量数据提取的特征集兼容，将预处理后的网络流量数据分批输入模型； 通过Snd-LSTM模型进行前向传播计算，Snd-LSTM模型基于输入的特征和学到的权重，逐步计算隐藏状态，并最终输出一个概率向量，概率向量中的每个元素均对应一个特定的攻击类型； 步骤五、预设预警阈值，结合Snd-LSTM模型的输出结果，判断模型输出的最大概率类别是否超过预设的预警阈值，若超过，则判定为对应的网络攻击类型，并触发预警机制，否则，视为正常流量； 步骤六、根据预警的风险等级采取相应的处理办法，并在攻击事件结束后，对攻击全过程的数据进行分析，形成攻击报告。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。