買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華東交通大學(xué)申請(qǐng)的專利基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120415900B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510889327.7，技術(shù)領(lǐng)域涉及：H04L9/40；該發(fā)明授權(quán)基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法及系統(tǒng)是由謝昕;劉可軒設(shè)計(jì)研發(fā)完成，并于2025-06-30向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法及系統(tǒng)，該方法采用無監(jiān)督訓(xùn)練的自編碼器作為檢測(cè)單元，判斷網(wǎng)絡(luò)流量序列是否異常；分發(fā)組件接收檢測(cè)單元傳來的被判定為正常的網(wǎng)絡(luò)流量序列，將其復(fù)制多份后，傳入多個(gè)異構(gòu)執(zhí)行體；裁決組件通過收集各異構(gòu)執(zhí)行體返回的執(zhí)行結(jié)果，根據(jù)異構(gòu)執(zhí)行體的歷史執(zhí)行結(jié)果是否正確對(duì)異構(gòu)執(zhí)行體的可信度進(jìn)行權(quán)重修正，結(jié)合基于歷史執(zhí)行結(jié)果的多數(shù)裁決機(jī)制得到裁決結(jié)果；當(dāng)檢測(cè)單元或裁決組件捕捉到異常網(wǎng)絡(luò)流量序列時(shí)，偽造數(shù)據(jù)生成組件生成偽造數(shù)據(jù)流量作為響應(yīng)，發(fā)送給攻擊方。本發(fā)明可增強(qiáng)擬態(tài)防御系統(tǒng)的動(dòng)態(tài)適應(yīng)性，提升抗攻擊能力。

本發(fā)明授權(quán)基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于流量監(jiān)測(cè)與擬態(tài)反饋的物聯(lián)網(wǎng)網(wǎng)關(guān)增強(qiáng)方法，其特征是，包括： S1：對(duì)網(wǎng)絡(luò)流量序列進(jìn)行數(shù)據(jù)預(yù)處理，將網(wǎng)絡(luò)流量序列的值限制在[0,1]范圍內(nèi)； S2：采用無監(jiān)督訓(xùn)練的自編碼器作為檢測(cè)單元，將數(shù)據(jù)預(yù)處理后的網(wǎng)絡(luò)流量序列輸入自編碼器進(jìn)行重構(gòu)，將重構(gòu)損失作為異常分?jǐn)?shù)，判斷網(wǎng)絡(luò)流量序列是否異常； S3：分發(fā)組件接收檢測(cè)單元傳來的被判定為正常的網(wǎng)絡(luò)流量序列，將其復(fù)制多份后，傳入多個(gè)異構(gòu)執(zhí)行體； S4：多個(gè)異構(gòu)執(zhí)行體分別對(duì)分發(fā)組件分發(fā)來的網(wǎng)絡(luò)流量序列進(jìn)行處理，并將執(zhí)行結(jié)果發(fā)送至裁決組件； S5：裁決組件通過收集各異構(gòu)執(zhí)行體返回的執(zhí)行結(jié)果，根據(jù)異構(gòu)執(zhí)行體的歷史執(zhí)行結(jié)果是否正確對(duì)異構(gòu)執(zhí)行體的可信度進(jìn)行權(quán)重修正，結(jié)合基于歷史執(zhí)行結(jié)果的多數(shù)裁決機(jī)制得到裁決結(jié)果； S6：當(dāng)檢測(cè)單元或裁決組件捕捉到異常網(wǎng)絡(luò)流量序列時(shí)，激活偽造數(shù)據(jù)生成組件；偽造數(shù)據(jù)生成組件基于生成對(duì)抗網(wǎng)絡(luò)，通過對(duì)抗訓(xùn)練生成偽造數(shù)據(jù)流量作為響應(yīng)，發(fā)送給攻擊方；偽造數(shù)據(jù)生成組件采用條件生成對(duì)抗網(wǎng)絡(luò)框架，由生成器G、語義判別器D1和統(tǒng)計(jì)判別器D2協(xié)同訓(xùn)練；生成器首先將隨機(jī)噪聲向量z與條件向量c分別通過全連接層映射后拼接，隨后通過多層包含條件批歸一化的殘差塊提取語義特征，并將該語義特征輸入LSTM網(wǎng)絡(luò)，生成長(zhǎng)度為T的時(shí)序隱藏狀態(tài)序列，t為時(shí)間步，T為時(shí)間步總數(shù)；在每個(gè)時(shí)間步t，生成器利用當(dāng)前隱藏狀態(tài)通過三路并行前饋網(wǎng)絡(luò)分別預(yù)測(cè)包間隔時(shí)間、包長(zhǎng)度與TCP標(biāo)志位向量，預(yù)測(cè)過程分別定義為： ； 其中，為包間隔時(shí)間，為時(shí)間步t的包間隔時(shí)間，為包間隔時(shí)間參數(shù)矩陣，為包間隔時(shí)間偏置矩陣，為包長(zhǎng)度，為時(shí)間步t的包長(zhǎng)度，為包長(zhǎng)度參數(shù)矩陣，為包長(zhǎng)度偏置矩陣，為TCP標(biāo)志位向量，為時(shí)間步t的TCP標(biāo)志位向量，為TCP標(biāo)志位向量參數(shù)矩陣，為TCP標(biāo)志位向量偏置矩陣，ReLU與sigmoid為兩個(gè)激活函數(shù)，ReLU與sigmoid分別用于回歸連續(xù)值與輸出多維概率向量；整個(gè)包級(jí)序列構(gòu)成完整的包級(jí)行為軌跡；序列末端的隱藏狀態(tài)被視為聚合語義表征，用于通過多層感知機(jī)（MLP）進(jìn)一步預(yù)測(cè)流級(jí)統(tǒng)計(jì)摘要特征： ； 其中表示用于擬合統(tǒng)計(jì)特征的非線性映射網(wǎng)絡(luò)； 語義判別器以生成或真實(shí)包序列與條件向量為輸入，首先通過三個(gè)并行子網(wǎng)絡(luò)嵌入三類特征，再將其拼接送入多層單向LSTM網(wǎng)絡(luò)，并利用條件批歸一化CBN融合上下文信息，最終拼接隱藏狀態(tài)與條件向量，通過sigmoid函數(shù)輸出語義層真?zhèn)胃怕剩?統(tǒng)計(jì)判別器D2則以流級(jí)統(tǒng)計(jì)摘要與包級(jí)統(tǒng)計(jì)序列為輸入，通過雙分支結(jié)構(gòu)分別提取低階統(tǒng)計(jì)特征與高階局部模式；一路將輸入多層感知機(jī)，另一路將經(jīng)一維卷積處理，最后與條件向量融合后輸入sigmoid輸出整體真實(shí)性評(píng)分； 兩個(gè)判別器的損失函數(shù)均為交叉熵?fù)p失函數(shù)； 生成器G的優(yōu)化目標(biāo)則為： ； 其中，表示期望，表示第i個(gè)判別器，與為兩個(gè)控制混淆性增強(qiáng)項(xiàng)的強(qiáng)度系數(shù),z為隨機(jī)噪聲向量，c為條件向量。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人華東交通大學(xué)，其通訊地址為：330013 江西省南昌市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)雙港東大街808號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。