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！

龙图腾网获悉南京理工大学申请的专利一种基于生成对抗网络的网络流量生成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：CN115983334B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211628717.1，技术领域涉及：G06N3/045；该发明授权一种基于生成对抗网络的网络流量生成方法是由俞研;王增;狄芳;徐建设计研发完成，并于2022-12-18向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的网络流量生成方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的网络流量生成方法。该方法为：对数据集进行预处理，包括属性特征评估、文本转化为数值、缺失值处理、特征数据归一化；设计面向网络流量生成的生成对抗网络模型架构，包括生成器模块、鉴别器模块和网络奖励机制；接着训练网络模型，分为模型预训练和正式训练两个阶段；对生成的流量数据进行数据评估和筛选，包括质量评估、相似性评估和标记评估，筛选合格样本形成标记流量集。本发明使用WGAN‑GP来设计模型，并结合LSTM进一步学习网络流量序列的时间特性，使得生成的网络流量数据在分类标记、真实性以及成功率方面均得到提升，能够为基于机器学习的网络入侵检测模型训练提供大批量、高质量标记数据。

本发明授权一种基于生成对抗网络的网络流量生成方法在权利要求书中公布了：1.一种基于生成对抗网络的网络流量生成方法，其特征在于，包括以下步骤： 步骤1、对数据集进行预处理，包括属性特征评估、文本转化为数值、缺失值处理、特征数据归一化； 步骤2、设计面向网络流量生成的生成对抗网络模型架构，包括生成器模块、鉴别器模块和网络奖励机制； 步骤3、训练网络模型，分为模型预训练和正式训练两个阶段； 步骤4、对生成的流量数据进行数据评估和筛选，包括质量评估、相似性评估和标记评估，筛选合格样本形成标记流量集； 步骤2所述的设计面向网络流量生成的生成对抗网络模型架构，包括生成器模块、鉴别器模块和网络奖励机制，步骤如下： 步骤2.1、网络模型使用生成对抗网络的一种变体—带梯度惩罚的WassersteinGAN，即WGAN-GP，与经典生成对抗网络相比，WGAN从损失函数的角度进行了改进； 通过计算Wasserstein距离来衡量数据分布和真实数据分布之间的距离，公式如下： ； 其中inf指代最大下界；表示的是分布和中所有可能的联合分布，每一个联合分布用于刻画连续空间中分布间转换的代价，即刻画从x点转移到y点从而让x，y服从相同分布所需要的百分比； 步骤2.2、修改原始生成对抗网络的目标函数，在WGAN基础上改进Lipschitz连续性限制条件，将权重修剪策略改为梯度约束的方式，从而提高模型建模能力，解决梯度消失或梯度爆炸问题；改进后W生成对抗网络-GP的目标函数计算如下： ； 其中，前半部分为原WGAN的critic损失，后半部分增加了一个正则项，这个正则项就是梯度约束GP； 步骤2.3、为了能够捕获流量序列中的时间相关性，将长短期记忆网络LSTM结合到生成器模型，在G中引入Attention-LSTM结构用于提取样本数据的时间特性； 步骤2.4、考虑到G、D和网络流的特定模式之间的对立目标，设计一种奖励机制来提高数据生成的质量，奖励值分为两部分，即鉴别奖励和检查奖励，计算方式分别是： 鉴别奖励：； 其中D为鉴别器，为累计值，为状态，a为行为，只计算完整的网络流，如果生成工作没有完成，则通过蒙特卡洛MC搜索对其余属性进行采样； 检查奖励：； 所以，最终的网络奖励计算公式如下： 。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。