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！

龙图腾网获悉东南大学申请的专利基于DHR架构的集成学习网络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：CN116055169B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310035089.4，技术领域涉及：H04L9/40；该发明授权基于DHR架构的集成学习网络入侵检测方法是由何家骏;袁亚丽;朱鸿宇;程光设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本基于DHR架构的集成学习网络入侵检测方法在说明书摘要公布了：本发明公开了基于DHR架构的集成学习网络入侵检测方法，应用于网络空间中恶意流量分类和入侵检测，方法包括以下步骤：提取原始流量数据的有效统计特征；构建包含多种原理不同即相互异构的基本分类器的模型库；通过集成学习建立入侵检测系统；借助贝叶斯定理融合决策；实时监测模型状态以指导调度。与现有技术相比，本发明集成了多种分类子模型，细粒度的平衡了每个基本分类器和子模型的权重，在复杂场景下面对未知攻击仍然具有较高的准确率和鲁棒性。

本发明授权基于DHR架构的集成学习网络入侵检测方法在权利要求书中公布了：1.一种基于DHR架构的集成学习网络入侵检测方法，其特征在于，所述方法包括以下步骤： S1，流量特征提取：对原始流量数据进行预处理，提取并保存有效统计特征，将其作为入侵检测系统的输入； S2，模型库构建； S3，异构模型集成：从模型库中随机抽取若干种基本分类器并集成得到一个子模型，将多个互相异构的子模型冗余部署在系统中； S4，贝叶斯决策：将S1中的输入复制并分发给每个基本分类器，每个基本分类器独立的做出决策，通过贝叶斯定理得到每个子模型和系统的最终输出； S5，模型调度：实时监测基本分类器和子模型的运行状态，以一定的策略予以更换； 所述步骤S5进一步包括： S51，以时间窗T作为可信度指标θ的更新间隔，记录一个时间窗内基本分类器的准确率θT，则更新后的其中λ为比例系数，λ∈0，1]， S52，当基本分类器的可信度指标θ降低到阈值θth以下时θ＜θth，将该基本分类器从子模型中剔除，并从模型库中获取一个可信度指标高于阈值的同类分类器加入子模型， S53，当子模型的所有基本分类器都进行过S52所述的更换操作后，将该子模型从系统中剔除，并从模型库中随机抽取若干个不同类别的基本分类器组成新的子模型加入系统。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。