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！

龙图腾网获悉河南大学申请的专利基于深度自编码器的偏好性训练抵抗生成对抗样本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：CN116090510B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310101802.0，技术领域涉及：G06N3/0455；该发明授权基于深度自编码器的偏好性训练抵抗生成对抗样本方法是由杜晓玉;林绿洲;周冠英;韩志杰;王玉璟;杜莹设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于深度自编码器的偏好性训练抵抗生成对抗样本方法在说明书摘要公布了：本发明涉及网络安全入侵检测领域，具体涉及一种基于深度自编码器的偏好性训练抵抗生成对抗样本方法，包括：对数据集进行预处理，得到备选集；基于备选集训练深度自编码器，得到训练后的深度自编码器；基于训练后的深度自编码器计算数据集中的流量分别得到最小损失和最大损失；基于所述最小损失以及所述最大损失得到所述数据集中每个流量数据的异常分数；根据所述异常分数构建目标函数，基于所述目标函数训练基本分类器得到备选分类器，以得到训练完成的网络模型。本发明在保证精度以及时效性的同时，提高模型的泛化能力，鲁棒性更强。

本发明授权基于深度自编码器的偏好性训练抵抗生成对抗样本方法在权利要求书中公布了：1.一种基于深度自编码器的偏好性训练抵抗生成对抗样本方法，其特征在于，包括以下步骤： 对数据集进行预处理，得到备选集； 基于备选集训练深度自编码器，得到训练后的深度自编码器； 基于训练后的深度自编码器计算数据集中的流量分别得到最小损失和最大损失；基于所述最小损失以及所述最大损失得到所述数据集中每个流量数据的异常分数； 根据所述异常分数构建目标函数，基于所述目标函数训练基本分类器得到备选分类器，以得到训练完成的网络模型，用于网络入侵检测； 预处理过程为：去除数据集中的无效数据，数据去除时是去除数据所在行；将所有非数值化的数据转换为数值化数据，其方法是利用离散值代替；对数据集中保留下的所有数据进行标准化处理，并对这些数据极其不平衡的列进行归一化操作；标签列通过不同的分类要求，进行二分类和多分类的处理方法；在NSL-KDD数据集中通过标签列将其分为正常流量和异常流量两种，将正常流量标注为0，异常流量进行细分为39类，利用数字1-39进行标注；通过验证是否正确来判断流量是正常流量还是异常流量，此种为二分类；通过验证是否正确来判断流量是否为40类的其中一种，此种方法为多分类； 所述根据所述异常分数构建目标函数的步骤，包括： 获取每个流量数据对应的异常分数在所述数据集中所有训练样本对应的异常分数中的频率，基于每个流量数据对应的所述频率获取所述目标函数的公式表示为： 其中，表示取最小值；表示所有训练样本的数量；表示训练样本对应的异常 分数在整个数据集中所有训练样本的异常分数中的占比；表示正则项； 表示正则项系数；表示自然常数；表示损失函数。

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河南大学，其通讯地址为：450000 河南省郑州市郑东新区明理路北段379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。