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！

龙图腾网获悉江苏大学申请的专利一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测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：CN115941281B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202211409998.1，技术领域涉及：H04L9/40；该发明授权一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测方法是由蔡赛华;刘明杰;徐涵;陈智霖;陈锦富设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测方法在说明书摘要公布了：本发明提供了一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测方法。包括：步骤1，捕获公开的原始网络流量文件，根据不同的流量数据特征对流量进行分割，找出重复及空白流量并删除；制定相应规则对分割后流量数据进行截取或补全，生成流量的字节序列，并标记流量的类型；步骤2，构建基于双向时间卷积网络与多头自注意力机制的异常流量检测模型，将步骤1所得流量序列放入模型中，得到异常流量分类结果。本发明为异常网络流量的检测提供了一种全新高效的解决方案，而其在面对上述异常流量的良好表现，使得其在金融领域的应用效果会更加突出。

本发明授权一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测方法在权利要求书中公布了：1.一种基于双向时间卷积神经网络与多头自注意力机制的异常网络流量检测方法，其特征在于，包括如下步骤： 步骤1，捕获公开的原始网络流量文件，根据不同的流量数据特征对流量进行分割，找出重复及空白流量并删除；制定相应规则对分割后流量数据进行截取或补全，生成流量的字节序列，并标记流量的类型； 步骤2，构建基于双向时间卷积神经网络与多头自注意力机制的异常流量检测模型，将步骤1所得流量序列放入模型中，得到异常流量分类结果； 所述步骤2的具体实现包括如下步骤： 步骤2.1,将预处理过的数据集随机地分为20份，将其中的10份用来数据训练，余下的10份作为测试集使用； 步骤2.2,建立由因果卷积，膨胀卷积，残差连接部分所组成的时序卷积神经网络，其中将神经网络最后的全连接层替换为卷积层，使得后续层与前层长度统一，确保网络输入输出长度相同，因果卷积网络保障了在layer深度不变的情况之下，仅通过改变卷积核大小就扩大网络的感受野；膨胀卷积允许输入存在间隔采样，增加一个空洞参数d，也称扩张系数；其中，n表示网络的第n层，加入了空洞参数之后，由于d呈指数型增长，使得之前建立的因果网络感受野进一步扩大，确保处理更多的信息，对于卷积核大小为k，滤波器,序列=,,……,在处的空洞卷积表达式为： ； 其中c为网络流量特征，“*”表示卷积运算，d表示空洞参数，也称扩张系数，s-di表示历史某一流量的方向信息； 为了解决正区间梯度消失问题，减少特征损失，采用ELU引入非线性因素，其具体公式如下：； 其中取值在0到1之间；将因果卷积，膨胀卷积，残差连接相结合组成了一个时序神经网络模型，将训练集放到时序神经网络模型中训练，得到一个初步的正向流量训练结果； 步骤2.3构建多头自注意力机制模型，多头自注意力机制通过计算编码的权重，由权重值计算得到异常流量的更重要特征，从而进一步提高模型的准确率； 步骤2.4：将训练结果序列逆转，将逆转过后的矩阵序列放入时序神经网络模型中以及自注意力机制模型中训练，得到逆向流量的特征，用ELU函数得到其非线性表示； 步骤2.5：通过激活函数将正向与逆向流量最终的特征提取结果融合，得到一个全局性的异常流量特征，根据最终的流量特征对网络流量进行分类，从而得到异常流量检测模型，将测试集放入异常流量检测模型之中，得到最终结果； 所述步骤2.3的具体实现包括如下步骤： 步骤2.3.1：对于输入的数据与，经过Embedding层得到输入特征与； 步骤2.3.2：计算与关联性，有三个参数query，key与value； 其中：；；，其中，是由网络训练而得三个多头自注意力机制关联性的权重因子； 步骤2.3.3：用缩放点积的方法得到自注意力矩阵，具体操作是将上一步得到的,,……值与,,……值组合相乘再比上的平方根，其中值反映疑问值而值反映了当前正式值，公式如下：； 其中d为扩张系数； 步骤2.3.4：对步骤2.3.3得到的进行softmax归一化得到，从而增加模型的非线性，将与步骤2.3.2中的vi在一起计算其相关性，得到最终特征bi，具体公式如下：； 步骤2.3.5：将上述初步训练结果放入自注意力机制模型中继续训练，得到正向流量的训练结果。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。