買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學計算機創新技術研究院申請的專利基于混合深度學習的CAN總線網絡入侵檢測方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120389904B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510765509.3，技術領域涉及：H04L9/40；該發明授權基于混合深度學習的CAN總線網絡入侵檢測方法和系統是由王小航;蔡昀朗;艾雅·法蒂亞尼;石寒雪;任奎設計研發完成，并于2025-06-10向國家知識產權局提交的專利申請。

本基于混合深度學習的CAN總線網絡入侵檢測方法和系統在說明書摘要公布了：本發明公開了一種基于混合深度學習的CAN總線網絡入侵檢測方法和系統。本發明構建了UNET?Transformer模型，其通過編碼器和解碼器提取CAN總線數據中的空間特征，以及通過注意力層捕獲CAN總線數據序列中的時間和順序動態，實現了對消息幀空間和時間特性的綜合解析。這種聯合建模顯著增強了對復雜模式的識別能力。本發明還針對數據不平衡問題，結合滑動窗口方法，不僅擴大了訓練樣本，還保持了原始CAN數據分布特性，從而可以充分利用少數類別數據，避免對檢測稀有攻擊類別產生不利的影響。因此，本發明提出的方法避免了傳統CNN對序列特征處理能力有限的局限性，同時比BiLSTM處理更高效，適合于實時入侵檢測。

本發明授權基于混合深度學習的CAN總線網絡入侵檢測方法和系統在權利要求書中公布了：1.一種基于混合深度學習的CAN總線網絡入侵檢測方法，其特征在于，包括以下步驟： 步驟1：對采集的實時CAN總線數據進行數據預處理，獲得訓練數據集；所述實時CAN總線數據中包含注入數據幀； 步驟2：構建UNET-Transformer模型，并利用訓練數據集訓練UNET-Transformer模型，獲得CAN總線網絡入侵檢測模型； 步驟3：將待測的CAN總線數據預處理后再輸入到CAN總線網絡入侵檢測模型中，模型輸出入侵檢測結果； 所述步驟1具體為： 首先，對采集的實時CAN總線數據依次進行數據清洗、標簽One-hot處理和歸一化后，獲得歸一化后的CAN總線數據；接著，利用少數超采樣方法對歸一化后的CAN總線數據進行數據增強，獲得數據增強后的CAN總線數據，所述數據增強后的CAN總線數據中不同標簽的樣本數量平衡；最后，對數據增強后的CAN總線數據中的缺失值進行填充后，獲得訓練數據集，所述訓練數據集的每個訓練樣本為由連續K幀的CAN總線數據組成的CAN總線消息序列； 所述對數據增強后的CAN總線數據中的缺失值進行填充，具體包括： 利用滑動窗口選取連續K幀的同一特征，計算滑動窗口內的非缺失值的平均值并作為該滑動窗口內的缺失值的填充特征，遍歷處理數據增強后的CAN總線數據中的缺失值后，完成所有缺失值的填充； 所述步驟2中，UNET-Transformer模型包括編碼器、解碼器、瓶頸單元和分類器，UNET-Transformer模型的輸入作為編碼器的輸入，所述編碼器經瓶頸單元后與解碼器相連，解碼器與分類器相連，分類器的輸出作為UNET-Transformer模型的輸出；所述編碼器包括N個依次相連的卷積單元，解碼器包括N個依次相連的上采樣單元，第n個卷積單元還與第N-n+1個上采樣單元相連，n=1,…,N。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學計算機創新技術研究院，其通訊地址為：311200 浙江省杭州市蕭山區利一路188號天人大廈33樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。