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！

龙图腾网获悉乐山永鑫科技有限责任公司申请的专利基于深度学习的负载流量数据识别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：CN121051414B 。

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：202511558703.0，技术领域涉及：G06F18/21；该发明授权基于深度学习的负载流量数据识别方法及系统是由万永梅;何海平设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于深度学习的负载流量数据识别方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的负载流量数据识别方法及系统，对负载流量数据集合进行模式基元解构，提取各流量模式基元的模式轮廓特征和模式变异特征作为基元核心特征，接着依据基元核心特征构建模式关联拓扑，其中节点为流量模式基元，边特征是不同节点基元核心特征的转移关联度，调用预训练的异常涌现模拟模型对模式关联拓扑进行涌现过程推演，输出包含涌现强度参数的异常涌现特征序列，再基于该异常涌现特征序列确定异常涌现源类型及异常流量在模式关联拓扑中的涌现传播链特征，最后根据上述结果生成包含涌现源定位标识的负载流量识别结果并反馈至流量管理系统，由此能够深入挖掘负载流量数据特征，精准识别异常，提升流量管理系统的应对能力。

本发明授权基于深度学习的负载流量数据识别方法及系统在权利要求书中公布了：1.一种基于深度学习的负载流量数据识别方法，其特征在于，所述方法包括： 对负载流量数据集合进行模式基元解构处理，得到包含模式标识的流量模式基元，提取各流量模式基元的模式轮廓特征和模式变异特征作为基元核心特征； 根据所述基元核心特征构建模式关联拓扑，所述模式关联拓扑的节点为所述流量模式基元，边特征为不同节点的流量模式基元的基元核心特征的转移关联度； 调用预训练的异常涌现模拟模型对所述模式关联拓扑进行涌现过程推演处理，输出包含涌现强度参数的异常涌现特征序列； 基于所述异常涌现特征序列中的涌现强度参数确定所述负载流量数据集合中的异常涌现源类型及异常流量在所述模式关联拓扑中的涌现传播链特征； 根据所述异常涌现源类型及所述涌现传播链特征生成包含涌现源定位标识的负载流量识别结果，并将所述负载流量识别结果反馈至流量管理系统； 所述对负载流量数据集合进行模式基元解构处理，得到包含模式标识的流量模式基元，提取各流量模式基元的模式轮廓特征和模式变异特征作为基元核心特征，包括： 对所述负载流量数据集合按照预设的模式周期规则进行分段处理，生成具有连续时间片段的流量段单元，每个流量段单元对应一个潜在模式周期； 对每个流量段单元进行模式轮廓提取处理，通过轮廓拟合算法捕捉流量段单元中流量数值随时间变化的轮廓形态，提取轮廓的上升沿斜率、下降沿斜率、峰值位置偏移量作为模式轮廓特征； 对每个流量段单元进行模式变异检测处理，通过变异点识别算法定位流量数值偏离模式轮廓特征的变异点集合，计算变异点集合中各变异点的偏离幅度参数； 基于所述变异点集合的数量和偏离幅度参数计算模式变异密度参数，模式变异密度参数为变异点集合数量与流量段单元总时间点数的比值乘以所有偏离幅度参数的均值； 将所述偏离幅度参数和模式变异密度参数组合为模式变异特征； 对包含模式轮廓特征和模式变异特征的流量段单元进行模式分类处理，通过聚类算法将流量段单元划分为不同模式簇，为每个模式簇分配唯一的模式标识，得到包含模式标识的流量模式基元； 将每个流量模式基元的模式轮廓特征和模式变异特征按照特征维度拼接规则进行拼接处理，生成具有固定维度的基元核心特征，基元核心特征的维度与异常涌现模拟模型的输入维度保持匹配。

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乐山永鑫科技有限责任公司，其通讯地址为：614000 四川省乐山市高新区乐高大道6号2幢6楼602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。