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！

龙图腾网获悉武汉维序科技有限公司申请的专利一种基于图神经网络的多层网络流量动态监控与分析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：CN120110940B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510363872.2，技术领域涉及：H04L41/16；该发明授权一种基于图神经网络的多层网络流量动态监控与分析方法是由荣红军设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于图神经网络的多层网络流量动态监控与分析方法在说明书摘要公布了：本发明公开了一种基于图神经网络的多层网络流量动态监控与分析方法，S1、实时采集各节点的数据并进行预处理；S2、基于预设的时间窗口对预处理后的数据进行划分，构建图结构数据；S3、采用改进的EvolveGCN对构建的图结构数据进行拓扑学习，生成网络拓扑结构动态变化的最终特征表示；S4、利用GraphWaveNet对预处理后的数据进行建模，提取时空依赖性和局部空间相关性的最终特征表示；S5、进行特征融合，生成综合特征向量；S6、基于综合特征向量生成最终监控结果；S7、将最终监控结果传输至网络流量管理平台用于数据处理与分析。本发明能够在网络流量动态监控中提供高效、科学的优化方案，为实际应用带来显著的技术价值和经济效益。

本发明授权一种基于图神经网络的多层网络流量动态监控与分析方法在权利要求书中公布了：1.一种基于图神经网络的多层网络流量动态监控与分析方法，其特征在于，包括如下步骤： S1、实时采集各节点的数据并进行预处理； S2、基于预设的时间窗口对预处理后的数据进行划分，针对每一时间窗口生成节点集合和边集合，并构建图结构数据； S3、采用改进的EvolveGCN对构建的图结构数据进行拓扑学习，所述改进的EvolveGCN由图卷积运算模块和基于Transformer的时序更新模块组成，图卷积运算模块用于对各时间步图结构数据中的节点邻域信息进行聚合，基于Transformer的时序更新模块用于对节点嵌入进行动态更新，生成网络拓扑结构动态变化的最终特征表示； S4、利用GraphWaveNet对预处理后的数据进行建模，提取时空依赖性和局部空间相关性的最终特征表示； S5、基于加权求和方式对EvolveGCN提取的网络拓扑结构动态变化的最终特征表示与GraphWaveNet提取的时空依赖性和局部空间相关性的最终特征表示进行融合，生成综合特征向量； S6、基于综合特征向量生成节点的预测网络流量，并根据实际监测到的网络流量计算预测误差，生成最终监控结果； S7、将最终监控结果通过标准数据接口传输至网络流量管理平台用于数据处理与分析； 所述S3包括以下步骤： S31、针对每一时间窗口Tn内的图结构数据Gn＝Vn,En,An，定义每个节点i∈Vn的邻域集合Ni，采用多头注意力图卷积模块计算节点嵌入表示： 其中，k＝1,2,…,K为注意力头索引，xi为节点i的初始特征向量，ak为第k个头的可学习注意力参数向量，Wk为第k个头的可学习权重矩阵，||表示向量拼接，exp.为自然指数函数，σ为sigmoid激活函数； S32、对于连续时间窗口Tn-1与Tn中每个节点i∈Vn的嵌入表示，采用基于Transformer的时序更新模块对节点嵌入进行动态更新； 定义查询向量Qi、键向量Ki和值向量Vi分别为： 其中，WQ、WK、WV为可学习投影矩阵； 通过加权求和获得 其中，dk为键向量的维度； 采用残差连接及层归一化更新节点嵌入表示为： 其中，LayerNorm.表示层归一化操作； 通过前馈神经网络进一步更新为： 其中，FFN·表示两层全连接网络； S33、将更新后节点嵌入表示集合作为网络拓扑结构动态变化的最终特征表示。

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武汉维序科技有限公司，其通讯地址为：430000 湖北省武汉市武汉经济技术开发区科技园西路6号103孵化器301-21室；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”。