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！

龙图腾网获悉广东工业大学申请的专利一种基于自监督学习的DDoS攻击检测方法及装置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：CN119583109B 。

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：202411573994.6，技术领域涉及：H04L9/40；该发明授权一种基于自监督学习的DDoS攻击检测方法及装置是由凌捷;何政宇;罗玉设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种基于自监督学习的DDoS攻击检测方法及装置在说明书摘要公布了：本发明公开一种基于自监督学习的DDoS攻击检测方法及装置，所述方法包括如下步骤：获取流量特征数据并对所述流量特征数据进行预处理；其中，所述流量特征数据包括全流量特征数据以及异常特征数据；根据预处理后的流量特征数据对预设自监督检测模型进行训练；通过训练好的自监督检测模型对待检测流量进行识别，确定所述待检测流量的属性。本发明能够提高对DDoS攻击的检测效率。

本发明授权一种基于自监督学习的DDoS攻击检测方法及装置在权利要求书中公布了：1.一种基于自监督学习的DDoS攻击检测方法，其特征在于，包括如下步骤： 获取流量特征数据并对所述流量特征数据进行预处理；其中，所述流量特征数据包括正常特征数据以及异常特征数据，所述预处理过程包括： 对所述流量特征数据中完全相同的数据包进行去重，并对去重后的流量特征数据进行基于时间序列的降噪； 将降噪后的所述正常特征数据确定为正样本，并将降噪后的所述异常特征数据确定为负样本； 根据预处理后的流量特征数据对预设自监督检测模型进行训练，具体包括： 从所述正样本中通过窗口采样得到训练样本，从所述负样本中通过窗口采样得到异样本，并标记所述训练样本和所述异样本为不相似； 将所述训练样本进行数据增强，得到增强样本，并将所述增强样本和所述训练样本标记为相似； 根据所述训练样本以及标记后的所述异样本和所述增强样本，对所述预设自监督检测模型进行训练，得到所述训练完成的自监督检测模型；其中，所述预设自监督检测模型的损失函数具体为： 其中，为损失函数值，N为样本的数量，为所述训练样本的低维嵌入表示，为相较于对应训练样本的增强样本低维嵌入表示，为相较于对应训练样本的异样本低维嵌入表示，表示余弦相似度计算，为预设超参数； 通过训练完成的自监督检测模型对待检测流量进行识别，确定所述待检测流量的属性，具体包括：将所述待检测流量输入至训练完成的自监督检测模型，以使模型计算所述待检测流量与所述正样本之间的余弦相似度； 当所述余弦相似度大于预设相似阈值时，确定所述待检测流量为正常流量，当所述余弦相似度小于预设相似阈值时，确定所述待检测流量为异常流量。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。