北京信息科技大学蒋鸿玲获国家专利权
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！
龙图腾网获悉北京信息科技大学申请的专利基于特征分组和多模型融合的对抗攻击防御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：CN114091020B 。
龙图腾网通过国家知识产权局官网在2026-02-10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：202111239175.4，技术领域涉及：G06F21/56；该发明授权基于特征分组和多模型融合的对抗攻击防御方法及系统是由蒋鸿玲;康海燕设计研发完成，并于2021-10-25向国家知识产权局提交的专利申请。
本基于特征分组和多模型融合的对抗攻击防御方法及系统在说明书摘要公布了：本发明提供了一种基于特征分组和多模型融合的对抗攻击防御方法及系统，其中方法包括：根据预设对抗攻击算法生成对抗样本，加入到测试集中；对训练集和测试集分别做数据预处理，形成网络流的特征向量；对每个流进行特征分组；采用多模型融合算法，进行恶意流量检测。不需要重新训练深度学习模型，能够防御没有出现过的对抗攻击，在没有对抗攻击的场景下，不会降低检测准确率。
本发明授权基于特征分组和多模型融合的对抗攻击防御方法及系统在权利要求书中公布了：1.一种基于特征分组和多模型融合的对抗攻击防御方法，其特征在于，包括： 根据预设对抗攻击算法生成对抗样本，加入到测试集中； 对训练集和所述测试集分别做数据预处理，形成网络流的特征向量； 对每个所述流进行特征分组； 采用多模型融合算法，进行恶意流量检测； 其中： 所述对每个所述流进行特征分组包括： 将特征集分为3组，特征集F1、特征集F2、特征集F3，使得F1∪F2∪F3＝F, 所述采用多模型融合算法，进行恶意流量检测包括： 根据所述特征集F1、所述特征集F2、所述特征集F3，分别生成三个特征向量X1、X2、X3将所述三个特征向量分别送入到三个深度学习模型中； 将所述三个深度学习模型的学习结果进行融合，得到恶意流量检测模型； 利用所述恶意流量检测模型进行恶意流量检测。
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信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励