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！

龙图腾网获悉昆明理工大学申请的专利一种基于信息熵理论结合卷积神经网络的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：CN115659323B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211094816.6，技术领域涉及：G06F21/55；该发明授权一种基于信息熵理论结合卷积神经网络的入侵检测方法是由缪祥华;李响设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种基于信息熵理论结合卷积神经网络的入侵检测方法在说明书摘要公布了：一种基于信息熵理论结合卷积神经网络的入侵检测方法，首先对数据集进行字符型数据转换成数值型数据、数据标准化、数据归一化操作；然后将数据集放入卷积神经网络中进行降维和分类，并结合信息熵不确定度计算对部分数据进行延迟再学习分类决策，延迟决策方法选取随机森林方法。当出现入侵行为时，利用训练好的模型就可以区分出正常数据和攻击数据。该发明利用卷积神经网络特征提取能力和分类学习效果上表现性能较优的特点并结合信息熵理论对分类后的数据进行评估将评估结果作为二次学习分类决策依据，该方法能够尽可能规避因信息提取不充分从而造成误分类的风险提高了入侵检测的性能。

本发明授权一种基于信息熵理论结合卷积神经网络的入侵检测方法在权利要求书中公布了：1.一种基于信息熵理论结合卷积神经网络的入侵检测方法，其特征在于，包括如下步骤： S1、对入侵检测数据集进行数据预处理，将字符型特征转换为数值型特征，并对数据依次进行标准化处理和归一化处理，使处理后的特征数据映射至[0,1]区间； S2、将经预处理后的训练数据输入卷积神经网络模型进行训练，对卷积神经网络进行训练调优有如下三阶段： 1对预处理后的数据进行卷积，每历经一个位置，就会得到相应位置的映射，当遍历完整个特征矩阵，通过网络参数设置，激活函数就形成了新的特征矩阵，所有特征样本完成特征映射时，堆叠组合就形成该卷积的特征图；卷积计算公式如下： ； M是输入样本集合，是上一层输出的特征矩阵，“*”为卷积操作，n为当前层数，是卷积核，为偏置量，为激活函数，选取Relu函数作为激活函数，相比于其他激活函数，Relu激活函自身的非饱和特性能够有效避免梯度消失现象； 2卷积层输出的特征由池化层进行采样，用概率统计的数据特征来概括全部特征，不仅能够在降维的同时，还将保留最有效信息，本方法选取最大值池化方法，为经过池化后的特征矩阵，池化方法计算公式如下： ; 3更新网络参数卷积神经网络可以通过前向传播可以获得原始特征输出值，网络参数需要通过反向传播更新，卷积神经网络的损失函数为： ; 其中y为实际值，为预测值，每训练一次，就更新一次参数值；当网络对数据样本进行训练时，在网络损失降低的过程中更新权重和偏置b的迭代更新公式为： ; 是学习率，是通过损失函数对权重w和偏置b的偏导； S3、将待分类样本输入训练完成的卷积神经网络模型，经softmax函数输出对应各类别的概率分布P1,P2，并基于信息熵公式H=−P1log2P1−P2log2P2 计算样本预测结果的信息熵值H，以表征该样本分类结果的不确定度； S4、将所述信息熵值H与预设阈值θ进行比较： 当H≤θ时，直接采用卷积神经网络模型输出的分类结果作为最终分类结果； 当Hθ时，将对应样本输入随机森林模型进行二次分类，并采用随机森林模型的输出结果作为该样本的最终分类结果； S5、对卷积神经网络模型的分类结果与随机森林模型的二次分类结果进行融合输出，获得最终入侵检测结果。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。