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！

龙图腾网获悉安徽大学申请的专利基于KAN的网络流量数据零损失类别遗忘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：CN120110760B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510276588.1，技术领域涉及：H04L9/40；该发明授权基于KAN的网络流量数据零损失类别遗忘方法是由谢先锋;崔杰;张静;魏璐;仲红设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本基于KAN的网络流量数据零损失类别遗忘方法在说明书摘要公布了：本发明公开一种基于KAN的网络流量数据零损失类别遗忘方法，包括数据处理，划分数据，确定遗忘类别；模型训练；公式化，将KAN转化为公式；目标计算，计算优化的目标；目标公式优化，通过梯度下降法更新目标公式的系数，以实现零损失遗忘；零损失遗忘测试，测试是否实现了零损失的高效遗忘。本发明可以去除入侵检测模型对网络流量数据的记忆，帮助模型在遭受投毒攻击等特定场景下遗忘与污染数据相关的知识，有效缩短模型的空窗期，保证模型的快速恢复。具体来说，本发明基于KAN模型进行零损失遗忘，将污染的网络流量数据作为遗忘类，通过将KAN模型转化为具体的公式，来实现精准的类别遗忘，针对目标公式，即遗忘类别对应的公式，使用梯度下降算法进行系数的优化，在遗忘的同时，不影响入侵检测模型在保留数据上的准确率，实现了实验上的零损失遗忘。本发明的工程实现严格遵循网络安全防御系统轻量级、实时性、准确性的严格要求，为构建可信智能检测系统提供了理论支撑与技术方案。

本发明授权基于KAN的网络流量数据零损失类别遗忘方法在权利要求书中公布了：1.一种基于KAN的网络流量数据零损失类别遗忘方法，其特征在于，包括以下步骤： 步骤1、数据处理，对网络流量数据进行处理，包括特征工程处理、清洗数据和确定污染数据和遗忘类别，并将数据划分为保留集和遗忘集；特征工程处理包括特征编码、标准化和归一化； 步骤2、搭建CNN+KAN网络模型，其中CNN的输出层连接KAN的输入层，设定B样条函数基函数的多项式阶数k和网格数grid，确定输入输出维度；并对构建好的CNN+KAN网络模型进行训练，以及对训练好的KAN模型进行正则化与剪枝； 步骤3、将正则化和剪枝后的KAN模型进行可视化，根据样条函数的形状，选择对应的函数符号去固定激活函数，并将模型转化为公式； 步骤4、目标计算，即使用遗忘集数据对步骤3所得公式进行计算，得到除目标公式以外的其他公式的计算结果，并对计算结果进行处理，得到优化后目标，具体方法为： 步骤4-1、将遗忘类别对应的公式确定为目标公式，将其他类别的公式确定为计算公式； 步骤4-2、将遗忘集的数据代入计算公式中，其中数据特征与公式中的变量一一对应，将公式的自变量替换为每个数据特征，并计算每个公式的结果； 步骤4-3、将每个公式的计算结果进行处理，得到结果的中位数值，将其作为目标公式在遗忘集的数据上的优化目标，记为target； 重复步骤4-2至步骤4-3，直到所有遗忘集数据都被代入计算公式中，得到所有优化后的目标target； 步骤5、目标公式优化：根据步骤4所得目标，使用梯度下降算法对目标公式进行优化，并更新目标公式，具体方法为： 步骤5-1、提取目标公式所有自变量的系数θ＝{θ1,θ2,…,θn}；然后将遗忘集数据代入目标公式中，得到计算结果output； 步骤5-2、计算结果output与target的均分误差loss； 并将loss作为损失函数； 步骤5-3、对损失函数各参数求梯度，得到梯度向量 然后计算 并设定最大范数M；当此时的梯度不需要缩放，即： 当此时的梯度需要缩放和裁剪，对梯度的缩放公式为 步骤5-4、更新目标公式的所有参数，更新的目标公式系数为： 其中α为学习率； 步骤5-5、重复步骤5-2至步骤5-4，直到所有遗忘集数据都被代入到目标公式中； 步骤5-6、对得到的所有更新后的系数θ*进行过滤，删除系数小于阈值Th的项； 更新目标公式，将过滤所得系数替换到原目标公式中； 步骤6、零损失遗忘测试：使用数据对更新后的公式进行测试，比较在遗忘集和保留集上的准确率。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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”。