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！

龙图腾网获悉太原理工大学申请的专利一种基于对抗性域适应的工控入侵检测系统构建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：CN114925740B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210208502.8，技术领域涉及：G06F18/2433；该发明授权一种基于对抗性域适应的工控入侵检测系统构建方法是由于丹;苏思达;郝晓燕;马垚;陈永乐设计研发完成，并于2022-03-04向国家知识产权局提交的专利申请。

本一种基于对抗性域适应的工控入侵检测系统构建方法在说明书摘要公布了：本发明属于工控入侵检测技术领域，具体是一种基于对抗性域适应的工控入侵检测系统构建方法。包括以下步骤，S100～在两个不同的工业控制通讯网络中抓取流量数据，并对流量数据的类型进行标签，将其中一个工控网络中的流量数据作为源域数据，另一个作为目标域数据；S200～对标签后的流量数据进行数值化预处理；S300～对预处理后的流量数据构造同构特征空间；S400～构建多视图特征提取器，提取源域数据和目标域数据的特征向量；S500～在特征向量中引入注意力机制模型；S600～量化标签预测器损失函数；S700～针对抓取的流量数据标签设计多个域判别器；S800～量化整个对抗性域适应网络的损失函数，完成模型训练。

本发明授权一种基于对抗性域适应的工控入侵检测系统构建方法在权利要求书中公布了：1.一种基于对抗性域适应的工控入侵检测系统构建方法，其特征在于：包括以下步骤， S100～在两个不同的工业控制通讯网络中抓取流量数据，并对流量数据的类型进行标签，将其中一个工控网络中的流量数据作为源域数据，另一个作为目标域数据； S200～对标签后的流量数据进行数值化预处理； S300～对预处理后的流量数据构造同构特征空间； S400～构建多视图特征提取器，提取源域数据和目标域数据的特征向量； 步骤S400将特征提取器构建为CNN-BiLSTM网络结构，利用CNN来进行特征提取并用BiLSTM来聚合不同视图的信息，具体过程为： S401～将S300处理后的源域数据和目标域数据输入全连接层，将全连接层输出渲染到V个不同的视图，这些视图都将被视为序列，并使用CNN从不同视图中提取特征； S402～CNN从不同视图中提取的特征传递给BiLSTM，BiLSTM来聚合这些特征，再向后传递给全连接层； S403～利用全连接层对来特征进行求和，即为所提取的特征向量； S500～在特征向量中引入注意力机制模型； 步骤S500中的注意力机制模型为一个以Sigmoid函数激活的简单门机制：，其中为ReLU函数；S是注意力机制的输出，也称为影响力得分；第一次展开AX,W’：A指为注意力模型；X是S400得到的特征向量；W’是降维层和维度扩张层；第二次展开：指的是Sigmoid激活函数；gX,W’就是注意力模型除了Sigmoid的部分；第三次展开：选择两个全连接层作为降维层，即，其中r为降维比率参数；一个ReLU激活层以及一个维度扩张层将其维度还原为D’维，即； S600～量化标签预测器损失函数； 步骤S600的具体步骤为：将标签预测器的分类损失量化为：，其中，为源域样本实例，为标签预测器，Gf为特征提取器，为输入标签预测器的特征向量的影响力得分，yi为点的域标签； S700～针对抓取的流量数据标签设计多个域判别器； 步骤S700中：构建多个域判别模型，，每一个判别器都对应源域数据中的标签；多个域判别器的损失函数为：，其中，为第k个域判别器，K表示域判别器的总数，k表示域判别器的序号，为交叉熵损失，为输入域判别器的特征向量的影响力得分，为特征提取器，为源域数据，，为点的域标签，i表示数据样本的序号； S800～量化整个对抗性域适应网络的损失函数，完成模型训练； 步骤S800的量化整个网络的损失函数为： = - 其中,S表示源域G，t表示目标域W，n为样本个数，n=ns+nt，D为数据集，,为平衡系数，表示特征提取器的参数，表示标签预测器的参数，表示域判别器的参数，分别表示标签预测器和域判别器对应的注意力模型的参数。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。