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！

龙图腾网获悉山东浪谷信息科技有限公司申请的专利基于生成对抗网络的网络安全恶意流量检测与溯源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：CN120110746B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510255421.7，技术领域涉及：H04L9/40；该发明授权基于生成对抗网络的网络安全恶意流量检测与溯源方法是由王云飞;任传旭;李雅娜;郭腾;李爽;栾峻峰;尚秀颖;李华德设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本基于生成对抗网络的网络安全恶意流量检测与溯源方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的网络安全恶意流量检测与溯源方法，包括如下步骤：S1、采集正常流量样本和恶意流量样本，构成训练数据集；S2、基于改进生成对抗网络的生成器和判别器训练恶意流量检测模型；S3、利用改进门控循环单元网络对输入的流量数据进行分析；S4、通过恶意流量检测模型对输入的流量数据进行分析，输出恶意流量警报；S5、对识别出的恶意流量进行源头追踪，分析恶意流量的传播路径；S6、基于生成器生成的恶意流量样本与溯源结果，动态调整恶意流量检测模型参数；S7、对生成器和判别器进行持续优化。本发明结合改进生成对抗网络和改进门控循环单元，通过恶意流量样本生成与溯源分析，提高了恶意流量检测的准确性和鲁棒性。

本发明授权基于生成对抗网络的网络安全恶意流量检测与溯源方法在权利要求书中公布了：1.一种基于生成对抗网络的网络安全恶意流量检测与溯源方法，其特征在于，包括如下步骤： S1、从实际网络中采集正常流量样本和恶意流量样本，并将正常流量样本和恶意流量样本进行混合，构成训练数据集； S2、基于改进生成对抗网络的生成器和判别器训练恶意流量检测模型，生成器基于训练数据集进行训练，生成具有时序性和多变性的恶意流量样本，判别器通过对比生成器生成的恶意流量样本与正常流量样本，识别出恶意流量与正常流量之间的差异，并输出流量类别标签； S3、利用改进门控循环单元网络对输入的流量数据进行分析，捕捉流量数据的时间序列特征； S4、结合改进门控循环单元网络分析结果和生成器生成的恶意流量样本，通过恶意流量检测模型对输入的流量数据进行分析，输出恶意流量警报； S5、对识别出的恶意流量进行源头追踪，分析恶意流量的传播路径，并根据流量特征反向推算攻击源头，提供攻击路径和攻击发起者的关键信息； S6、基于生成器生成的恶意流量样本与溯源结果，动态调整恶意流量检测模型的参数； S7、通过改进生成对抗网络的自动学习机制，对生成器和判别器进行持续优化，生成器不断生成新的恶意流量样本，判别器根据流量样本调整判别标准，模拟出不同类型的攻击流量； 所述S2具体包括： S21、初始化改进生成对抗网络，所述改进生成对抗网络包括生成器和判别器，生成器的输入为训练数据集，判别器的输入为生成的恶意流量样本与正常流量样本，所述生成器通过生成时序性和多变性的恶意流量样本，判别器通过对比生成器生成的恶意流量样本与正常流量样本，识别恶意流量与正常流量之间的差异，输出流量类别标签，所述改进生成对抗网络的改进点包括在生成器损失函数中引入时序性损失函数、在生成器损失函数中引入重建损失函数、在判别器损失函数中引入时序一致性损失函数； S22、基于训练数据集对生成器进行训练，训练目标是生成具有时序性和多变性的恶意流量样本，并构建生成器的损失函数： ； 其中，表示生成器的损失函数，表示判别器对生成流量样本的评分，表示生成器输出的恶意流量样本，表示输入噪声向量，表示输入噪声向量的概率分布，表示数学期望，表示二范数，和表示时序特征和变化幅度损失的权重，表示生成流量样本在时序上的变化幅度，表示正常流量样本，和分别表示生成流量样本和正常流量样本的时序特征，表示时序特征提取算子； S23、基于训练数据集对判别器进行训练，训练目标是通过对比生成器生成的恶意流量样本与正常流量样本，识别出两者之间的差异，并定义判别器的损失函数： ； 其中，表示判别器的损失函数，表示正常流量样本，表示正常流量样本的概率分布，表示判别器对正常流量样本的评分，表示数学期望，表示二范数，和表示时序一致性损失和梯度惩罚的权重，表示判别器对生成流量样本的评分，表示正常流量样本，和分别表示生成流量样本和正常流量样本的时序特征，表示判别器对输入流量样本的梯度； S24、生成器与判别器通过对抗训练进行迭代更新，生成器通过最小化生成恶意流量样本的损失函数，判别器通过最大化判别恶意流量与正常流量的区分度来更新参数； S25、构建时序性损失函数，在生成器训练过程中增强时序性，通过学习网络中的时序模式、周期性波动及突发事件，生成具有多样性的恶意流量样本： ； 其中，表示时序性损失函数，表示时间步的正常流量变化，表示生成器生成的恶意流量在时间步的变化，和分别表示生成流量样本和真实流量样本的时序特征，表示时序一致性损失权重； S26、构建时序一致性损失函数，通过对生成的恶意流量样本与正常流量样本进行比较，识别出流量中的变化趋势、波动性、周期性和突发性事件： ； 其中，表示时序一致性损失函数，表示正常流量样本，表示正常流量样本的概率分布，表示时间步的正常流量变化，表示时间步的正常流量变化，表示生成器生成的恶意流量在时间步的变化，表示生成器生成的恶意流量在时间步的变化； S27、构建重建损失函数，结合重建损失进行恶意流量样本的生成： ； 其中，表示重建损失函数，表示生成的恶意流量样本，表示正常流量样本，表示生成器生成的流量样本，表示重建损失的权重； S28、判别器输出流量类别标签，所述流量类别标签包括正常流量和恶意流量，并进一步根据恶意流量的特征进行分类； 所述改进门控循环单元网络通过内部重置门和更新门的控制机制，学习流量数据的长期依赖性，并引入自适应门控机制，对不同流量模式进行加权处理，通过计算更新后的隐藏状态进行流量特征提取。

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山东浪谷信息科技有限公司，其通讯地址为：250010 山东省济南市历下区泉城路180号楼D6-06；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”。