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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于ISAE自编码器和AFF特征融合的工控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：CN119854019B 。

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：202510058512.1，技术领域涉及：H04L9/40；该发明授权一种基于ISAE自编码器和AFF特征融合的工控入侵检测方法是由赵志衡;张哲帆;张钰;周海睿设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于ISAE自编码器和AFF特征融合的工控入侵检测方法在说明书摘要公布了：一种基于ISAE自编码器和AFF特征融合的工控入侵检测方法，涉及工控网络安全领域。解决了常规的入侵检测算法一般只基于原始流量数据和人工提取的特征形成的数据集，因未能深入挖掘流量特征，获取的安全信息不够全面，导致对部分攻击流量检测效果较差的问题。方法包括：采集原始流量数据，根据原始流量数据获取对应的人工特征，根据人工特征构建训练数据集；对原始流量数据和人工特征进行数据预处理；构建入侵检测模型并训练入侵检测模型；将测试集数据输入至训练完成的入侵检测模型中，得到入侵检测结果。本发明适用于对网络入侵的检测和监测，降低网络入侵风险。

本发明授权一种基于ISAE自编码器和AFF特征融合的工控入侵检测方法在权利要求书中公布了：1.一种基于ISAE自编码器和AFF特征融合的工控入侵检测方法，其特征在于，所述方法包括： S1：采集原始流量数据，根据原始流量数据获取对应的人工特征，根据人工特征构建训练数据集； S2：对原始流量数据和人工特征进行数据预处理； S3：构建入侵检测模型，包括：输入人工特征的改进堆叠自编码器模块ISAE、输入原始流量数据的CNN‑LSTM模块、注意力特征融合模块AFF以及分类器； S4：训练入侵检测模型； S5：将测试集数据输入至训练完成的入侵检测模型中，得到入侵检测结果； 步骤S3中ISAE自编码器用于将预处理后的人工特征进行特征提取，映射到深层低维空间，获取深层表征向量，包括： S31：将人工特征依次经过全连接层、批归一化层和ReLU层，计算得到低维特征； S32：低维特征进行位置编码； S33：将位置编码后的低维特征X进行全连接层线性变换，得到查询向量Q、键向量K和值向量V； S34：对查询向量Q和键向量K进行点积计算得到查询向量Q和键向量K的相似度矩阵，将相似度矩阵进行Softmax归一化得到注意力权重并使用注意力权重对V进行加权，得到注意力优化后的特征； S35：重复步骤S31至步骤S34三次，得到最终的低维特征，并使用相同的方式得到重构特征，计算重构特征和输入特征的重构损失和KL损失； 步骤S3中CNN‑LSTM模块用于将预处理后的原始流量数据进行特征提取，包括： 将原始流量数据输入至词嵌入层，映射为二维数据； 将二维数据输入至三个残差卷积层，提取深层空间特征，所述残差卷积层由两个卷积层、一个批归一化层、一个最大池化层和一个残差连接构成； 将原始流量数据输入至LSTM层，提取深度时间特征； 步骤S3中注意力特征融合模块AFF用于将人工特征深层表征向量和原始流量数据的深度空间时间特征进行特征融合得到融合特征，包括： 利用Reshape将ISAE编码器模块得到的低维特征展开成二维特征，并使用三个残差卷积层进行特征提取，得到人工多通道二维特征； 将深度空间特征和人工多通道二维特征相加，计算局部注意力和全局注意力； 将局部和全局注意力之和归一化获取通道注意力权重，对深度空间特征和人工多通道二维特征进行加权求和得到融合特征； 融合特征和深度时间特征依次输入至平铺层和全局池化层，得到一维特征，最后将两者通过Concat的方式融合得到最终的融合特征。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。