Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 燕山大学王倩获国家专利权

燕山大学王倩获国家专利权

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!

龙图腾网获悉燕山大学申请的专利基于扩散生成对抗网络和改进白鲸优化的入侵检测算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:CN117134969B

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:202311095456.6,技术领域涉及:H04L9/40;该发明授权基于扩散生成对抗网络和改进白鲸优化的入侵检测算法是由王倩;王学航;刘韩;王伟陇;张炳设计研发完成,并于2023-08-29向国家知识产权局提交的专利申请。

基于扩散生成对抗网络和改进白鲸优化的入侵检测算法在说明书摘要公布了:本发明公开了一种基于扩散生成对抗网络和改进白鲸优化的融合神经网络入侵检测算法,属于信息安全技术领域,包括以下步骤:步骤S1、利用不平衡数据集训练扩散生成对抗网络,生成少数类别的样本;步骤S2、生成样本与不平衡数据集结合,得到平衡数据集;步骤S3、对平衡数据集利用改进白鲸优化算法进行特征选择、数据降维;步骤S4、训练融合神经网络入侵检测模型Transformer—BiLSTM,检测网络攻击。本发明解决了传统生成对抗网络训练不稳定的问题,使得生成对抗网络能够稳定生成逼近真实样本的生成样本,解决数据的不平衡问题。

本发明授权基于扩散生成对抗网络和改进白鲸优化的入侵检测算法在权利要求书中公布了:1.一种基于扩散生成对抗网络和改进白鲸优化的入侵检测方法,其特征在于包括以下步骤: 步骤S1、利用不平衡数据集训练扩散生成对抗网络,生成少数类别的样本; 步骤S2、生成样本与不平衡数据集结合,得到平衡数据集; 步骤S3、对平衡数据集利用改进白鲸优化算法进行特征选择、数据降维; 步骤S4、训练融合神经网络入侵检测模型Transformer—BiLSTM,检测网络攻击; 步骤S1中所述的扩散生成对抗网络包括基于扩散模型的数据加噪部分和基于生成对抗网络的数据生成部分,利用扩散生成对抗网络进行数据不平衡处理,通过将扩散模型与生成对抗网络相结合,利用扩散模型向生成的数据和真实数据添加噪音,利用生成对抗网络生成少数类别样本数据与原始数据集结合得到平衡数据集; 步骤S3中改进的白鲸优化算法采用二进制方式编码白鲸个体,每只白鲸由一个m维二进制向量,其中m为特征维数,若,则表示选择第j维特征,若,则表示不选择第j维特征,向量表示特征选择的一种可行解; 所述的改进白鲸优化算法,利用Tent混沌映射和精英反向学习进行种群初始化,之后种群个体在搜索空间进行全局搜索与局部搜索,通过非线性平衡因子调整种群搜索阶段,最后得到最优特征子集,对平衡数据集进行特征降维,利用改进BWO算法进行特征选择,改进BWO包括初始化、探索、开发和鲸鱼坠落的四个阶段,分别对应于初始化可行解、全局搜索、局部搜索和重新更新可行解; 步骤S4利用Transformer与BiLSTM融合的深度学习网络模型用于入侵检测检测,具体为:首先Transformer—BiLSTM模型的前半部分是由多个Transformer-Encoder组合而成,模型利用Transformer-Encoder部分学习数据的局部特征与全局特征,挖掘不同特征之间的联系,同时关注不同的贡献差别,其次模型的后半部分由BiLSTM组成,模型通过前面学习网络流量的局部特征信息和全局特征信息后,再通过BiLSTM对网络流量的时序特征进行学习。

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燕山大学,其通讯地址为:066004 河北省秦皇岛市海港区河北大街438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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。