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！

龙图腾网获悉北京金诺珩科技发展有限公司申请的专利神经网络赋能的机房异常流量实时监测方法及系统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：CN121000519B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511508858.3，技术领域涉及：H04L9/40；该发明授权神经网络赋能的机房异常流量实时监测方法及系统是由杨家强;张翠莲;陈强国;朱文广;李长龙;赵越;张晓楠设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本神经网络赋能的机房异常流量实时监测方法及系统在说明书摘要公布了：本申请涉及一种神经网络赋能的机房异常流量实时监测方法及系统，其包括采集机房网络流量并进行清洗去噪，并进行标准化处理，得到结构化流量特征向量；构建生成对抗网络，以所述结构化流量特征向量中少数类异常样本为训练数据，通过生成器生成与真实异常流量分布一致的合成样本，同时对多数类正常流量样本执行随机欠采样，将所述合成样本与欠采样后的正常样本融合，构建类别均衡的训练数据集；构建融合混合神经网络模型，特征融合后输入分类器，训练得到异常流量检测模型；对实时采集的流量数据进行在线特征提取与标准化，并输入至所述异常流量检测模型，结合动态阈值判断异常流量类型，并触分级响应机制。

本发明授权神经网络赋能的机房异常流量实时监测方法及系统在权利要求书中公布了：1.一种神经网络赋能的机房异常流量实时监测方法，其特征在于，包括： 采集机房网络流量的NetFlow数据和PCAP原始数据包并进行清洗去噪，提取数据特征，并对离散特征进行One-hot编码、对连续特征进行标准化处理，得到结构化流量特征向量； 构建生成对抗网络，以所述结构化流量特征向量中少数类异常样本为训练数据，通过生成器生成与真实异常流量分布一致的合成样本，同时对多数类正常流量样本执行随机欠采样，将所述合成样本与欠采样后的正常样本融合，构建类别均衡的训练数据集； 构建融合混合神经网络模型，以所述训练数据集为输入，通过Transformer-encoder捕捉流量的全局时序关联特征，通过多尺度卷积神经网络提取多尺度空间特征，通过双向长短期记忆网络挖掘流量数据的时序依赖特征，将三类特征融合后输入分类器，训练得到异常流量检测模型； 对实时采集的流量数据进行在线特征提取与标准化，并输入至所述异常流量检测模型，结合动态阈值判断异常流量类型，并触发包含日志记录、IP隔离及告警通知的分级响应机制； 其中，所述构建融合混合神经网络模型，以所述训练数据集为输入，通过Transformer-encoder捕捉流量的全局时序关联特征，通过多尺度卷积神经网络提取多尺度空间特征，通过双向长短期记忆网络挖掘流量数据的时序依赖特征，将三类特征融合后输入分类器，训练得到异常流量检测模型，包括： 构建融合混合神经网络模型，以所述训练数据集为输入，通过Transformer-encoder捕捉流量的所述全局时序关联特征，通过多尺度卷积神经网络提取所述多尺度空间特征，通过双向长短期记忆网络挖掘流量数据的所述时序依赖特征； 对所述全局时序关联特征、所述多尺度空间特征、所述时序依赖特征分别分配可学习权重，归一化后按元素加权求和，生成256维融合特征向量； 将所述融合特征向量通过门控机制过滤冗余信息，保留与异常检测强相关的关键特征向量； 将所述关键特征向量输入所述分类器，所述分类器输出层采用Softmax激活函数； 初始化Adam优化器，根据预设训练标准设置批量大小以及训练轮次，并采用交叉熵损失函数与L2正则化联合优化； 设置验证集，每轮训练后计算准确率，当连续10轮未提升准确率时终止训练，保存最优模型参数，得到所述异常流量检测模型。

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北京金诺珩科技发展有限公司，其通讯地址为：101100 北京市通州区贡院街1号院1号楼2层206-223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”。

以上内容由龙图腾AI智能生成。