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！

龙图腾网获悉燕山大学申请的专利基于CDIVAE和双向时序模型的自适应入侵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：CN118784320B 。

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：202410949949.X，技术领域涉及：H04L9/40；该发明授权基于CDIVAE和双向时序模型的自适应入侵检测方法是由王倩;刘韩;孟伟伦;任家东设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本基于CDIVAE和双向时序模型的自适应入侵检测方法在说明书摘要公布了：本发明公开了一种基于CDIVAE和双向时序模型的自适应入侵检测方法，属于网络攻击检测技术领域，通过GWR算法对源域数据进行过滤聚类，同时过滤掉其中大量的重复数据，提取出一个分布清晰且规模较小的源域数据子集；基于高斯混合条件域不变变分自编码器缩小源域与目标域之间的后验分布的差异，最后通过双向保持网络编码器和双向长短期记忆网络的融合神经网络BRN‑BiLSTM进行入侵检测，先通过BRN对数据进行双向时序加权，之后通过BiLSTM对时序加权之后的数据进行识别并分类，通过记忆单元和门控单元能够有效的捕获数据的依赖关系。本发明能够更好的进行域不变特征提取和数据分布对齐，同时也具有更好跨领域入侵检测性能。

本发明授权基于CDIVAE和双向时序模型的自适应入侵检测方法在权利要求书中公布了：1.一种基于CDIVAE和双向时序模型的自适应入侵检测方法，其特征在于：包括基于GWR算法的过滤聚类算法、基于高斯混合条件域不变变分自编码器的域不变特征提取方法和基于双向保持网络与双向长短期记忆网络的融合神经网络模型，具体包括以下步骤： 步骤S1、对数据进行最大最小归一化并通过欠采样技术对数据进行平衡化处理； 步骤S2、将处理后的数据通过GWR算法对源域数据进行过滤聚类，该GWR算法基于欧几里得距离对源域数据集进行聚类，同时过滤掉源域数据中的重复数据，提取出分布清晰且规模小的源域数据子集； 步骤S3、通过高斯混合条件域不变变分自编码器减小目标域与源域的条件分布的差异，保证后验分布的对齐； 步骤S3中高斯混合条件域不变变分自编码器实现源域和目标域的类条件分布PX|Y的对齐，具体步骤如下： 步骤S3.1、通过EM算法对源域数据构建GMM；基于极大似然方法对参考域中每个类别下的数据对应的高斯分布进行参数估计，并将估计值作为GMM的初始值，GMM的每个分量向着类条件概率密度的方向收敛，实现对类条件概率密度函数的拟合公式11和公式12为高斯分布参数的极大似然估计量，其中为样本均值； 步骤S3.2、得到GMM之后，将GMM的每个分量作为源域的类条件分布，CDIVAE以GMM的分量作为先验匹配项的先验分布，CDIVAE将变分分布向源域的每个类条件分布进行匹配，实现目标域提取域不变特征之后的数据分布向源域的类条件分布对齐，CDIVAE的ELBO如公式13所示； 上式中pGMMxS|y表示类别标签为y的条件下源域数据XS的概率密度函数，即源域的GMM中类别为y的分量；qφz|xT,y表示在输入类别为y的目标域样本XT时隐变量z的变分密度函数，即域不变特征向量的概率密度函数；pθxT|z,y表示在输入类别为y的隐变量z的条件下x的概率密度函数； 步骤S3.3、d维高斯分布的KL散度的解析形式如公式14所示： 取协方差矩阵的对角阵形式参与模型计算，同时对重构项进行采样估计，得到CDIVAE的ELBO的估计量： 式中和为输入类别为k的目标域样本由推断网络得到的第k类变分密度的期望和方差向量； 步骤S3.4、通过K个编码器-解码器组合得到K个变分分布，K为类别个数，根据正态分布的可加性得到域不变特征映射gx的概率密度pgx为： 其中，x为输入的目标域样本； 步骤S3.5、通过重新参数化得到最终的域不变特征映射函数， 步骤S4、通过双向保持网络编码器BRN和双向长短期记忆网络的融合神经网络BiLSTM对攻击流量进行检测，首先通过BRN对数据进行双向时序加权，通过双向的因果掩盖和指数衰减加权避免模型过拟合，同时通过串并混合的方式提高模型的计算效率，之后通过BiLSTM对时序加权之后的数据进行识别并分类，BiLSTM通过记忆单元和门控单元能够有效的捕获数据的依赖关系； 步骤S5、通过消融实验和对比实验对算法的自适应能力进行验证，以F1值作为评价标准验证方法的有效性和优越性。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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。