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！

龙图腾网获悉东华大学申请的专利一种基于强化学习的多步DDoS预测中毒攻击及其防御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：CN115802358B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211179349.7，技术领域涉及：H04W12/126；该发明授权一种基于强化学习的多步DDoS预测中毒攻击及其防御方法是由李重;温倩倩;吴永超;吴先科设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种基于强化学习的多步DDoS预测中毒攻击及其防御方法在说明书摘要公布了：本发明提供了一种基于强化学习的多步DDoS预测中毒攻击及其防御方法包括步骤：设置威胁模型和假设，其中包括组成局部训练数据集的警报标签；根据所述警报标签，建立多步DDoS预测中毒攻击模型；基于强化学习，使用中毒算法优化所述中毒攻击模型；利用优化后的所述中毒攻击模型对未标记数据的全局预测模型进行中毒攻击；基于D‑S证据理论，对所述中毒攻击进行防御。本发明提供的一种基于强化学习的多步DDoS预测中毒攻击方法及其防御策略，不仅可以在短时间内毒化使用未标记数据的全局预测模型，还可以利用积累的经验不断加速中毒速度；其次，基于D‑S证据理论的无验证数据防御策略，能有效避免异常聚集。

本发明授权一种基于强化学习的多步DDoS预测中毒攻击及其防御方法在权利要求书中公布了：1.一种基于强化学习的多步DDoS预测中毒攻击及其防御方法，其特征在于，包括以下步骤： 步骤1、设置威胁模型和假设，其中包括组成局部训练数据集的警报标签，包括以下内容： 每个基站都被视为一个参与者，参与者能够基于局部数据集来训练他们的隐马尔科夫模型，而无需与他人交换原始隐私数据；此外，每个基站配备一个通常使用的包嗅探器，能够检测异常包并产生相关警报，这些警报提供了一种通用的语言来描述可疑事件，并最终对应于一些警报标签，这些警报标签包括“信息”、“远程用户”、“远程攻击者”、“拒绝服务”和“缓冲区溢出”；每个基站利用这些生成的警报来训练其局部模型；假设不同的基站有不同规模的训练数据集，并且每个参与者无法知道联邦学习框架中其他参与者的模型；基站不断收集传感器-基站的通信流量，并训练其局部预测模型，以监测其在其通信范围内是否会受到DDoS攻击；然后，位于不同地理区域的所有参与者将他们的局部模型更新到云服务器，假设云服务器没有验证数据集；云服务器将这些局部模型聚合到一个全局模型中，并进一步将全局模型分布到每个基站中，以实现在基站上的DDoS预测；在预测DDoS攻击后，每个基站随后通过DDoS观测序列将累积数据更新到其训练数据集中；将一个离散的一阶隐马尔科夫模型定义为一个五元组，如下式1所示：1，式1中，S描述了一组与DDoS攻击的子步骤对应的隐马尔科夫模型状态；是一组基于警报标签的观察结果；E是描述集合S中状态转换的转移概率矩阵；Q表示观测概率矩阵；表示每个隐马尔科夫模型状态的初始分布向量，它表示入侵在每种状态下都可以开始的概率；步骤2、根据警报标签，建立多步DDoS预测中毒攻击模型，具体包括以下步骤：步骤201、根据警报标签，使用以下公式定义多步DDoS预测中毒攻击模型的状态空间：，式中：表示当前时间t下的多步DDoS预测中毒攻击模型的状态空间；，j∈[1,5]表示第j种警报标签占所述局部训练数据集中警报标签总数的比例；表示警报序列中的最后一个警报标签；步骤202、将多步DDoS预测中毒攻击模型的动作空间定义为，其中，动作akeep表示在警报序列的末尾注入与相同的警报标签；动作atransit表示正在过渡到另一个警报标签；步骤203、基于状态空间和动作空间，形式化奖励函数；步骤204、根据状态空间、动作空间及奖励函数，建立基于强化学习的多步DDoS预测中毒攻击模型；步骤3、基于强化学习，使用中毒算法优化多步DDoS预测中毒攻击模型；利用优化后的所述中毒攻击模型对未标记数据的全局预测模型进行中毒攻击；步骤4、基于D-S证据理论，对中毒攻击进行防御。

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东华大学，其通讯地址为：200051 上海市长宁区延安西路1882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。