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！

龍圖騰網獲悉成都飛機工業(集團)有限責任公司申請的專利適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法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：CN117033967B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202310581659.X，技術領域涉及：G06F18/2115；該發明授權適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法是由王攀;謝敏;鄭良謙;余志強;劉磊;康嘉琪設計研發完成，并于2023-05-23向國家知識產權局提交的專利申請。

本適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法在說明書摘要公布了：本發明涉及工業控制技術領域，具體是一種適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法，包括如下步驟：采集工控網絡異常流量數據集，將工控網絡異常流量數據集通過編碼與歸一化將其轉化為特征數據集；通過自適應過采樣方法進行樣本擴增；采用優化剪枝搜索方法對特征數據集進行特征提取；將流量特征轉換為頻譜圖像，形成頻譜圖特征數據集；劃分為訓練集與測試集，應用于卷積神經網絡模型的訓練得到檢測模型。本方法有效減少搜索次數，提高搜索效率，并在搜索過程中通過頻譜圖優化特征，提高特征權重，進一步提升異常檢測準確率降低誤報率。

本發明授權適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法在權利要求書中公布了：1.一種適用于工控網絡基于頻譜圖特征優化的異常流量檢測方法，其特征在于：包括如下步驟： S1、采集工控網絡異常流量數據集，將工控網絡異常流量數據集通過編碼與歸一化將其轉化為特征數據集； S2、對處理后的特征數據集，通過自適應過采樣方法進行樣本擴增； S3、對平衡后的特征數據集，采用優化剪枝搜索方法對特征數據集進行特征提取； S4、對提取后的特征數據集，通過多重解析度分析離散小波變換方法，將流量特征轉換為頻譜圖像，形成頻譜圖特征數據集； S5、對頻譜圖數據集，按照4:1的比例劃分為訓練集與測試集，應用于卷積神經網絡模型的訓練得到檢測模型，并應用于步驟S3中進行驗證迭代，將滿足終止條件的模型作為最優的檢測模型； 步驟S3中，將提取后的特征轉化為頻譜圖數據集應用于卷積神經網絡中進行訓練得到檢測模型，再通過優化剪枝搜索方法的評價函數評估當前檢測模型的優劣，直到滿足優化剪枝搜索方法的終止條件，最終得到較優的檢測模型； 步驟S3中的優化剪枝搜索方法具體為： S31、首先選取所有特征作為初始解，通過步驟S4、S5進行一輪迭代，形成初始解的卷積神經網絡模型，并通過評價函數計算出初始解的代價，將當前解設為全局最優解,初始化期望指標，并置剪枝表為空，評價函數如下所示： 其中，假設數據集中正樣本為P，負樣本為N，則為卷積神經網絡模型將負樣本預測為正樣本的比例，為將正樣本預測為負樣本的比例，假設為提取后特征的數量，為原特征數量，則為提取后的特征數量與原特征數量的比例； S32、基于當前解，根據隨機數的二進制位的01情況，1保留與0刪除當前解的對應位的特征，形成t個相似解，組成候選集；其中，t與當前解的特征數量p有關，為減少迭代時間，； S33、基于上述步驟產生的候選集，構造維護最新r次特征改變的情況剪枝集，用于避免重復的特征改變；其中，r與整體特征數量m有關，為保證特征提取效率，；對于上述步驟產生的相似解，形成對應的特征數據集，將其轉換為頻譜圖特征，并應于卷積神經網絡中進行訓練，將得到的檢測模型采用評價函數計算出其中每個相似解的代價，按照三種剪枝策略遍歷處理每個相似解； S34、若兩次搜索迭中產生的局部最優解的評估代價相差低于終止閾值，或迭代u輪后則停止；其中，u與整體特征數量m有關，為減少迭代時間，。

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成都飛機工業(集團)有限責任公司，其通訊地址為：610092 四川省成都市青羊區黃田壩緯一路88號；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”。