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！

龙图腾网获悉武汉大学申请的专利基于GMD图像化与改进ResNeXt的网络异常检测方法及装置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：CN117197543B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202311060003.X，技术领域涉及：G06V10/764；该发明授权基于GMD图像化与改进ResNeXt的网络异常检测方法及装置是由王丽娜;杨葛英;吴津宇;王清浩;刘晓稳;付杰设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本基于GMD图像化与改进ResNeXt的网络异常检测方法及装置在说明书摘要公布了：为了解决网络异常检测中特征提取能力较弱的问题，本发明通过将输入一维特征属性数据转化为二维RGB图像，从而将网络异常检测问题转化为图像异常检测问题，并将空间注意力机制引入ResNeXt网络模型中，提高模型特征提取能力。本发明公开的一种基于GMD图像化与改进ResNeXt的动态网络异常检测方法，首先采取结合了格拉姆角场、马尔可夫变迁场和差值编码的图像化方法将输入数据转化为二维RGB图像，然后将ResNeXt网络结构中的标准卷积替换为具有动态调整感受野功能的MA‑Dilated卷积，并使用改进后的ResNeXt网络进行特征提取，最后使用极限学习机完成分类工作，能够实现对异常数据的高效准确检测。

本发明授权基于GMD图像化与改进ResNeXt的网络异常检测方法及装置在权利要求书中公布了：1.基于GMD图像化与改进ResNeXt的网络异常检测方法，其特征在于，包括： S1：对原始网络流量数据进行预处理，预处理包括编码、标准化以及将数据划分为训练样本集和测试样本集，其中训练样本集和测试样本集中包含的数据为一维数据； S2：使用基于GMD的图像化方法对步骤S1得到的一维数据进行二维图像化转换； S3：采用改进ResNeXt对转换得到的二维数据进行特征提取，其中，改进ResNeXt为嵌入了空间注意力机制的ResNeXt网络，改进ResNeXt将原始ResNeXt网络结构中的标准卷积替换为能够根据特征动态调整感受野大小的扩张卷积，对不同区域之间的差异性特征进行有针对性和选择性的提取； S4：将经过步骤S3特征提取后的训练数据输入核极限学习机分类器中进行训练，得到训练好的模型，其中，训练数据在输入核极限学习机分类器之前对其添加高斯白噪声； S5：将同样经过步骤S3特征提取后的测试数据输入训练好的模型进行网络异常检测； 其中，步骤S3包括： S3.1：对于输入特征图，分别通过卷积核大小为、扩张率为1，2，3的三个分组卷积，以及批量归一化ReLU激活函数得到三个感受野不同的特征图； S3.2：将步骤S3.1得到的三个特征图相加，使用全局平均池化层和全局最大池化层分别计算得到全局信息向量，并融合形成向量； S3.3：通过使用Softmax方法分别计算不同感受野特征图的权重向量，然后使用权重向量将三个特征图融合得到输出特征图。

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大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。