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！

龙图腾网获悉广州大学申请的专利基于改进XGBoost和自适应优化K-means模型的网络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：CN116599684B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211611677.X，技术领域涉及：H04L9/40；该发明授权基于改进XGBoost和自适应优化K-means模型的网络攻击入侵检测方法是由王乐;顾钊铨;张志强;杜磊;张欢;张登辉;马丽婷;黄坤鑫设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于改进XGBoost和自适应优化K-means模型的网络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机器学习的网络攻击入侵的检测方法，包括：XGBoost入侵检测模型构建，初始化XGBoost基本参数和模拟退火算法所需参数。计算当前准确率Accnow并对XGBoost参数进行正负向随机扰动产生新参数并计算对应的新的准确率Accnew。依据Metropolis准则决定是否接受新的参数。重复执行上述步骤直到温度冷却到最低点。利用最优参数对应的XGBoost对验证集做入侵检测，将判定为攻击的所有“粗分类”结果传输到改进的K‑means模型。初始化k值为3并利用K‑means结合训练集中的所有真正的攻击样本与验证集中被XGBoost“粗分类”的攻击样本进行聚类分析。记录聚类分析召回的良性样本数量R。不断增大k值再次进行聚类分析并记录良性召回数R，直到R值不再增加则确定k值并记录中心点和历史最大距离。

本发明授权基于改进XGBoost和自适应优化K-means模型的网络攻击入侵检测方法在权利要求书中公布了：1.基于改进XGBoost和自适应优化K-means模型的网络攻击入侵检测方法，其特征在于，包括： S1：基于数据集构建XGBoost入侵检测模型； S2：初始化XGBoost入侵检测模型的基本参数和模拟退火算法基本参数； S3：依据XGBoost入侵检测模型的训练集数据计算当前XGBoost参数下对应的入侵检测准确率ACCnow,对XGBoost入侵检测模型的基本参数进行正负向随机扰动，产生新的参数，并计算在新参数的情况下的对应的分类准确率ACCnew； S4：通过比较ACCnow和ACCnew后依据Metropolis准则概率性的决定是否接受新的参数作为当前最优解； S5：若决定接受新参数作为当前最优解，则迭代次数+1，并判断当前迭代次数f是否达到初始化的马氏链长度Lmar； S6：若当前迭代次数f达到初始化的马氏链长度Lmar，则重置迭代次数f＝0，并进行一次温度衰减，判断当前温度Tstart'是否达到了初始化的终止温度Tend，达到则结束模拟退火算法； S7：若当前温度Tstart'达到了初始化的终止温度Tend，则通过新参数对应的XGBoost入侵检测模型对验证集进行入侵检测； S8：初始化K-means的k值，将训练集中所有的恶意样本Dt与来自验证集中被XGBoost模型认定为攻击的样本Dx引入K-means模型； S9：训练K-means模型，利用K-means模型将所有传入的数据进行聚类分析，对被XGBoost入侵检测模型错判为恶意样本的样本作为良性样本召回，记录召回数nnow； S10：逐次增大K-means模型的k值，重复S9召回被XGBoost入侵检测模型错误识别成攻击的样本数量nnew,直到DnewDnow则将nnow替换Dnew并继续执行S10直到得出最优K值； S11：计算K-means模型的k个中心点Ci和到对应中心点的最远距离Di； S12：判断是否检测到新型攻击，若检测到新型攻击，则返回S9。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。