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！

龙图腾网获悉北京交通大学申请的专利多维标识异构网络的同步自适应链接泛洪攻击防御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：CN119172130B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411242936.5，技术领域涉及：H04L9/40；该发明授权多维标识异构网络的同步自适应链接泛洪攻击防御方法是由苏伟;马杰;刘琪;袁源;彭轶华;杨卓佳;张宏科;权伟设计研发完成，并于2024-09-05向国家知识产权局提交的专利申请。

本多维标识异构网络的同步自适应链接泛洪攻击防御方法在说明书摘要公布了：本发明公开了多维标识异构网络的同步自适应链接泛洪攻击防御方法，包括以下步骤：S1、采样网络拓扑链路的丢包率和链路利用率，得到链路的当前状态；S2、通过蜜獾优化算法提取出当前状态关键的流量特征；S3、将当前状态关键的流量特征输入基于时空图卷积神经网络的预测模型，得到DDoS攻击流量预测值；S4、识别DDoS攻击流量预测值的攻击行动，通过部分可观测马尔可夫决策过程模型和奖励机制选择最佳的防御行动；S5、根据当前状态下选择的最佳的防御行动调整防御策略。本发明能够准确预测攻击行为，并动态学习新型多维标识融合网络场景中的最佳缓解策略，以最大化正常流量传输，并将攻击流量对瓶颈链路的影响降至最低。

本发明授权多维标识异构网络的同步自适应链接泛洪攻击防御方法在权利要求书中公布了：1.多维标识异构网络的同步自适应链接泛洪攻击防御方法，其特征在于，包括以下步骤： S1、采样多维标识异构网络的网络拓扑链路的丢包率和链路利用率，得到链路的当前状态； S2、通过蜜獾优化算法提取出当前状态关键的流量特征； S3、将当前状态关键的流量特征输入基于时空图卷积神经网络的预测模型，得到DDoS攻击流量预测值； S4、识别DDoS攻击流量预测值的攻击行动，通过部分可观测马尔可夫决策过程模型和奖励机制选择最佳的防御行动； S5、根据当前状态下选择的最佳的防御行动调整防御策略； 所述S1中，链路的当前状态s的可能性的表达式具体为： 式中，为归一化常数，为置信度，为当前状态下可能的最佳防御行动，为当前状态下可能的攻击行动，为所有的攻击行动，为在最后一次执行攻击事件和防御事件交互时，从状态到当前状态s的状态转换的可能性，为所有的状态，为最后一次攻击动作发生的可能性，为状态的可能性； 所述S3中，基于时空图卷积神经网络的预测模型包括依次连接的自适应混合时空学习层、输入层和输出层，自适应混合时空学习层包括若干具有跳跃连接的自适应混合时空学习组件，每个自适应混合时空学习组件包括时间卷积模块、自适应混合图学习模块和时空适应模块，其中，自适应混合图学习模块包括静态自适应图学习子模块、基于图注意机制的动态图学习子模块和空间门融合机制子模块； 所述S3包括以下分步骤： S31、将当前状态关键的流量特征以毫秒级、秒级和分钟级进行建模； S32、将建模的结果输入时间卷积模块，得到时间卷积模块的最终输出； S33、将建模的结果输入自适应混合图学习模块，得到自适应混合图学习模块的输出； S34、将多层时间卷积模块的输出和自适应混合图学习模块的输出输入时空适应模块，得到时空适应模块的输出，将其作为自适应混合时空学习组件的输出； S35、根据所有自适应混合时空学习组件的输出得到自适应混合时空学习层的输出； S36、将自适应混合时空学习层的输出输入输入层，通过输出层输出DDoS攻击流量预测值； 所述S31中，当前状态的流量特征G通过图数据表示为； 其中，为流量特征随时间变化的交换机集合，以及，N为标识交换机的数量，E为交换机之间的链路的集合，为图的邻接矩阵，X为给定历史时间步长的图信号矩阵，且，子矩阵，为标识在第i个交换机在时间片t上的观测值，为矩阵，F为包含所有节点的特征维数的张量； 所述S4中，所述奖励机制的表达具体为： 式中，为基于历史数据确定的状态s中的平均良性流量下降，为基于历史数据确定的下一个状态中的平均良性流量下降，为较少探索的防御行动提供额外激励的术语。

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北京交通大学，其通讯地址为：100101 北京市海淀区西直门外上园村3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”。

以上内容由龙图腾AI智能生成。