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！

龙图腾网获悉北京中矿智网科技有限公司申请的专利一种基于深度学习的网络加密攻击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：CN121309209B 。

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：202511838832.5，技术领域涉及：H04L9/40；该发明授权一种基于深度学习的网络加密攻击检测方法是由杜立平;朱立波设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种基于深度学习的网络加密攻击检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的网络加密攻击检测方法，包括如下步骤：采集加密网络流量生成目标通信通道；构建微扰动激励集合，生成微扰动激励记录；采集各协议层响应指标，生成跨层扰动响应时序序列；构建跨协议层关联扰动轨迹图；计算跨层耦合矩阵和扰动响应拓扑指纹，将跨协议层关联扰动轨迹图与跨层耦合矩阵送入跨层拓扑约束NeuralODE进行数值积分演化，生成扰动响应连续时间隐状态轨迹；计算加密攻击风险评分，生成加密攻击检测结果。本发明采用主动微扰动与跨层拓扑约束NeuralODE建模，实现加密通道动态指纹提取，具备高精度、高敏感性与强解释性的攻击检测能力。

本发明授权一种基于深度学习的网络加密攻击检测方法在权利要求书中公布了：1.一种基于深度学习的网络加密攻击检测方法，其特征在于，包括如下步骤： 采集加密网络流量，按照会话标识和时间顺序重组，根据会话持续时间条件和数据包数量条件筛选，生成目标通信通道； 针对目标通信通道构建微扰动激励集合，为各微扰动模式设置扰动频率、扰动时间尺度、扰动幅度和数据包选取规则，施加对应微扰动并记录微扰动模式标识、扰动参数和时间索引，生成微扰动激励记录； 在微扰动激励记录对应的时间区间内采集各协议层响应指标，对响应指标执行时间对齐和数值归一化处理，与微扰动激励记录关联，生成跨层扰动响应时序序列； 根据跨层扰动响应时序序列和微扰动激励记录，将由协议层标识和时间索引确定的状态点定义为图节点，将由同一微扰动模式触发且满足响应相关性条件的状态点对定义为图边，构建跨协议层关联扰动轨迹图； 基于跨协议层关联扰动轨迹图计算跨层耦合矩阵和扰动响应拓扑指纹，将跨协议层关联扰动轨迹图与跨层耦合矩阵送入跨层拓扑约束NeuralODE进行数值积分演化，生成扰动响应连续时间隐状态轨迹； 根据扰动响应连续时间隐状态轨迹和扰动响应拓扑指纹计算加密攻击风险评分，将评分与阈值比较，生成加密攻击检测结果； 所述扰动响应连续时间隐状态轨迹的生成具体包括： 从跨协议层关联扰动轨迹图中提取全部图节点与图边，依据节点的协议层标识与时间索引对其进行结构化整理，生成跨层图结构数据集； 对跨层图结构数据集中任意图节点对的协议层组合关系与邻接连接关系执行层间耦合度计算，将计算所得的跨层耦合度按协议层组合方式写入对应矩阵位置，生成跨层耦合矩阵； 基于跨协议层关联扰动轨迹图执行跨层拓扑结构解析，将图节点的协议层标识、时间索引、跨层连接关系及局部连接模式按图遍历顺序记录，生成拓扑结构特征集合； 对拓扑结构特征集合执行拓扑编码操作，将集合中反映节点连接模式、跨层连接数量、路径衔接结构及局部拓扑变化的特征按照预设拓扑特征编码规则组合，生成扰动响应拓扑指纹； 将跨层耦合矩阵的矩阵单元值按时间索引顺序与扰动响应拓扑指纹中的拓扑编码记录进行结构化组合，构建跨层拓扑约束NeuralODE的初始状态序列； 对跨层拓扑约束NeuralODE的初始状态序列执行时间连续域的数值积分操作，将积分过程中生成的各时间步隐状态向量写入隐状态向量序列中，生成扰动响应连续时间隐状态轨迹。

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北京中矿智网科技有限公司，其通讯地址为：100000 北京市海淀区永澄北路2号院1号楼1层643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。