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！

龙图腾网获悉上海思来氏信息咨询有限公司申请的专利基于集成学习的多维度网络流量异常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：CN120750676B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511263169.0，技术领域涉及：H04L9/40；该发明授权基于集成学习的多维度网络流量异常检测方法是由张韫设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本基于集成学习的多维度网络流量异常检测方法在说明书摘要公布了：本发明公开了基于集成学习的多维度网络流量异常检测方法，涉及网络安全领域，该方法包括以下组成部分：数据采集与预处理步骤、流形映射步骤、集成模型构建步骤、特征提取步骤以及异常检测步骤；本发明通过集成学习模型，结合流形学习将高维网络流量数据映射到低维流形空间，从多个角度挖掘数据的特征信息，利用多个基于流形的学习模型进行特征提取和学习，并通过投票机制和加权平均的方式综合计算数据点的异常得分，这种多模型融合的策略显著提高了异常检测的准确性和可靠性，能够有效识别出复杂的网络流量异常。

本发明授权基于集成学习的多维度网络流量异常检测方法在权利要求书中公布了：1.基于集成学习的多维度网络流量异常检测方法，其特征在于，该方法的具体步骤为： 数据采集与预处理步骤：采集网络流量数据，对采集到的数据进行清洗，去除重复、错误和不完整的数据记录；对数据进行归一化处理； 流形映射步骤：运用流形学习方法，将预处理后的高维网络流量数据映射到低维流形空间，通过计算数据点之间的测地线距离、局部线性重构系数或构建图的拉普拉斯矩阵方式，揭示网络流量数据的内在几何结构，得到映射后的低维流形数据； 集成模型构建步骤：采用基于流形的支持向量机构建集成学习模型，每个模型在低维流形空间中对映射后的流量数据采用基于流形的神经网络进行特征提取和学习，从不同角度挖掘数据的特征信息； 特征提取步骤：利用构建好的集成学习模型，对映射后的低维流形数据进行特征提取，每个基于流形的学习模型从低维流形数据中提取不同的特征向量，将这些特征向量采用基于熵权法的特征融合算法进行融合； 所述集成模型构建步骤中构建集成学习模型时，所述基于流形的支持向量机采用改进的核函数，改进核函数为：，其中、为低维流形空间中的数据点，为与的欧几里得距离平方，为圆周率，angle表示数据点和在低维流形空间中的夹角，为核函数带宽参数，为角度调节参数； 异常检测步骤：基于提取的特征集合，运用集成学习模型进行异常检测，通过计算每个数据点的异常得分，判断其是否为异常点，采用投票机制，即多个基于流形的学习模型对数据点进行判断，根据多数模型的判断结果确定数据点是否为异常；通过加权平均的方式，根据每个模型在训练过程中的性能表现赋予不同的权重，综合计算数据点的异常得分，分析异常点在低维流形空间中的分布规律，采用基于密度峰值聚类的异常区域预测算法得到异常区域。

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上海思来氏信息咨询有限公司，其通讯地址为：200333 上海市普陀区金沙江路1006号第2幢191室；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。