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！

龙图腾网获悉西北工业大学申请的专利一种基于OTA签名更新的智能网联终端多攻击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：CN117081773B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310355242.1，技术领域涉及：H04L9/40；该发明授权一种基于OTA签名更新的智能网联终端多攻击入侵检测方法是由胡伟;李倍倍;马彦慧;李一玮;袁超绚设计研发完成，并于2023-04-05向国家知识产权局提交的专利申请。

本一种基于OTA签名更新的智能网联终端多攻击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OTA签名更新的智能网联终端多攻击入侵检测方法，首先将多类型组合攻击注入ICTs平台；然后基于OTA升级的签名更新；接下来基于自动编码设计的CNNIDS设计，最后经过训练之后实现对攻击模式的分类。本发明提高了攻击检测成功率，降低了计算成本。

本发明授权一种基于OTA签名更新的智能网联终端多攻击入侵检测方法在权利要求书中公布了：1.一种基于OTA签名更新的智能网联终端多攻击入侵检测方法，其特征在于，包括如下步骤： 步骤1：多类型组合攻击注入模拟ICTs平台； 将网络攻击单独或者不同组合形式注入模拟ICTs平台中； 步骤2：基于OTA升级的签名更新； 在步骤1完成攻击注入后，通过数据包嗅探和数据预处理收集攻击数据； 通过基于签名的检测过滤收集到的攻击数据流量，以匹配存储在签名表中的数据流量，检测结果分为以下三种情况： 情况1：如果未检测到攻击，则检测引擎将信息直接返回到管理日志； 情况2：如果检测到单一类型的攻击，则将新的攻击日志直接发送到基于云的管理平台； 情况3：如果检测到组合攻击，检测引擎将使用基于自动编码的CNN分类器对流量进行分类； 分类的攻击日志被发送到基于云的安全管理系统，对于新的攻击签名，安全管理系统将新的攻击签名发送给所有OTA联网智能终端； 将每个智能终端视为一个包检查器，并使用包检查器查找攻击签名并更新云签名数据库，然后将其扩展到接下来的入侵检测架构中； 步骤3：基于自动编码的CNNIDS设计； 步骤3-1：设计自动编码器； 所述自动编码器是由编码器和解码器组成的无监督神经网络；首先，编码器将输入数据压缩到低维空间，然后解码器将其恢复为原始数据；编码器和解码器连接形成神经网络，并通过反向传播算法优化网络参数； 将编码器表示为，将解码器表示为，则自动编码器的网络结构表示为： 1 其中，是自动编码器的输入ID数据，是在模型训练完成后提取并保存到本地文件中的中间特征数据； 自动编码器输入终端识别ID数据，通过多个隐藏神经元，再经过压缩处理后输出特征数据，然后将特征数据转换成p*p的数据网格，利用q*q个p*p的数据网格形成一个p2*q2的网格数据，作为后续步骤CNN模型的输入； 在训练过程中，使用输出和输入用于误差计算，并采用均方误差作为误差函数，训练结果由公式2计算得出；训练完成后，提取中间特征数据即p2*q2的网格数据； 2 步骤3-2：CNN模型设计： 所述CNN模型依次由输入层、卷积层、池化层、全连接层和输出层组成；输入是步骤3-1得到的p2*q2的网格数据；在卷积层，使用c个卷积核进行运算，卷积层的输出大小由公式3计算： 3 其中是输出大小，是输入数据大小，是内核大小，填充值用于确保卷积后的数据大小与输入的数据大小相同，是步长； 卷积层的输入取决于最后一层的输出，它的输出决定了下一层的输入；当有多个卷积层时，每个卷积层的输出可以由公式4计算得出； 4 其中是一个卷积层的输出，是激活函数，是最后一层的输出，是连接权重，是该层的偏差；这里，偏置的初始值被设置为0.1； 池化层F的维数为d*d，用于取每个不重复的d*d区域中数据的平均值，池化后输出数据的维数减少到输入数据维数的一半； 后面是全连接层和输出层；输出层采用softmax分类器进行分类，如式5： 5 式中，为分类数，为输出层神经元的输出，为输出层神经元的概率；将最大输出神经元作为CNN模型输出的类型； 在CNN模型的优化中，选择交叉熵损失函数作为损失函数，并采用自适应矩估计优化方法最小化该损失函数。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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。