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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于边缘计算网关的IoT网络协议识别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：CN116582447B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310733951.9，技术领域涉及：H04L41/14；该发明授权一种基于边缘计算网关的IoT网络协议识别方法是由俞武嘉;王旭;张艺芳;哈振州;潘渊博设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本一种基于边缘计算网关的IoT网络协议识别方法在说明书摘要公布了：本发明公开了一种基于边缘计算网关的IoT网络协议识别方法。本发明步骤：1、边缘网关服务器分别与底层设备、客户机建立串口通信和Socket通信；2、边缘网关服务器读取串口或TCP缓冲区的数据，由于采集的数据中，每条数据长度不一致，为了便于卷积神经网络CNN模型处理，要对数据进行预处理；3、卷积神经网络CNN模型的搭建；4、搭建联邦学习模型。本发明设计了FedIdentify协议识别模型，将卷积神经网络CNN模型集成到边缘网关中，设备上传数据到网关中，每个网关搭建自己的卷积神经网络模型和Softmax分类器对工控网络数据协议进行分类。本发明采用联邦学习框架，搭配卷积神经网络模型，可以在准确识别出各种网络包协议的同时保证了设备数据的隐私性。

本发明授权一种基于边缘计算网关的IoT网络协议识别方法在权利要求书中公布了：1.一种基于边缘计算网关的IoT网络协议识别方法，其特征在于所述方法中工控网络协议识别模型的搭建包括数据采集、数据预处理、卷积神经网络CNN模型搭建、联邦学习框架搭建，步骤如下： 步骤1、边缘网关服务器分别与底层设备、客户机建立串口通信和Socket通信； 步骤2、边缘网关服务器读取串口或TCP缓冲区的数据，由于采集的数据中，每条数据长度不一致，为了便于卷积神经网络CNN模型处理，要对数据进行预处理； 步骤3、卷积神经网络CNN模型的搭建； 步骤4、搭建联邦学习模型； 步骤2具体实现如下： 步骤2-1.将每条数据修剪成一个长度为784B的向量x，比784字节的大的保留前784字节，比784字节小的则用0补全； 步骤2-2.对向量x中每个分量的数值除以256，将数值归一化到[0,1区间内，消除各类特征之间的影响，使模型快速收敛，并且使每个设备数据的数量级差异缩小； 步骤2-3.将向量x进行图形化处理；将归一化后的向量x转化为灰度图像，按照顺序每28个分量放入矩阵的一行，得到一个28*28的二维矩阵； 步骤2-4.idx转化:将生成的灰度图像进行格式转换，即转化为idx格式，idx格式的文件是机器学习常见的一种文件格式，它包含一组图像所有的像素和统计信息； 步骤3所述的卷积神经网络CNN模型的搭建，具体实现如下： 步骤3-1.首先把预处理得到的数据集划分为训练集、验证集和测试集； 步骤3-2.输入层：预处理完成的28*28的二维矩阵数据； 步骤3-3.卷积层C1：将二维矩阵用32个3×3卷积核去卷积，提取特征，卷积步长为1，使用SELU激活函数激活，提高神经网络模型的非线性表达能力，加快收敛速度； 步骤3-4.池化层S1；对卷积层C1输出的特征图进行最大值池化，过滤器设置为2×2，得到32张14×14的特征图像； 步骤3-5.卷积层C2：将池化层S1层输出的32张14×14特征图像用64个3×3卷积核卷积，继续提取特征，卷积步长为1，最后使用SELU激活函数激活，得到64个14×14的特征图； 步骤3-6.池化层S2：对C2输出的特征图进行最大值池化，过滤器尺寸为2×2，得到64张7×7的特征图像； 步骤3-7.全连接层FC1：对池化层S2输出的64张7×7特征图像进行Flatten操作，将数据压缩成长度为3136的一维向量；FC1层有784个神经元，与压缩后的一维向量进行全连接，再使用SELU函数激活； 步骤3-8全连接FC2层：FC2有28个神经元，采用Dropout策略丢弃50％特征，防止过拟合； 步骤3-9输出：用Softmax分类器对FC2输出的特征进行分类，输出样本的概率分布，得到识别结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。

以上内容由龙图腾AI智能生成。