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！

龙图腾网获悉重庆邮电大学申请的专利一种网络流量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：CN117155701B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202311294607.0，技术领域涉及：H04L9/40；该发明授权一种网络流量入侵检测方法是由张亮;张嘉天;陈京浩;罗维设计研发完成，并于2023-10-09向国家知识产权局提交的专利申请。

本一种网络流量入侵检测方法在说明书摘要公布了：本发明属于网络安全领域，具体涉及一种网络流量入侵检测方法；该方法包括：获取训练数据集并将其划分为训练集和测试集；对训练集进行预处理，针对数据集的不平衡问题，采用一种基于密度聚类和重要性度量的特征选择算法DBIM对数据集进行降维，得到训练特征向量；将训练特征向量输入到网络流量入侵检测模型中，并采用粒子群优化算法对网络流量入侵检测模型进行参数调优，得到训练好的网络流量入侵检测模型；采用训练好的网络流量入侵检测模型对测试集进行处理，得到入侵检测结果；本发明实现网络流量入侵检测的速度快，准确率高。

本发明授权一种网络流量入侵检测方法在权利要求书中公布了：1.一种网络流量入侵检测方法，其特征在于，包括： S1：获取训练数据集并将其划分为训练集和测试集； S2：对训练集进行预处理，得到训练特征向量；对训练集进行预处理的过程包括： S21：采用二维矩阵存储训练集的特征信息，得到第一特征矩阵； S22：对第一特征矩阵进行归一化处理，得到第二特征矩阵； S23：对第二特征矩阵中的字符类特征进行独热编码，得到第一数据特征； S24：对第二特征矩阵中的数字型特征进行降维处理，得到第二数据特征；对第二特征矩阵中的数字型特征进行降维处理的过程包括： 将第二特征矩阵中的数字型特征按照标签分布划分为多数类样本和少数类样本，将多数类按照少数类的数量划分为个等规模样本，并将划分后的等规模样本分别与少数类组合生成n个组合样本； 对分别使用DBSCAN算法进行密度聚类，得到聚类集合和边界点集合；在每个组合样本中根据边界点集合找到边界点的反向最近邻样本集合；计算边界点与其反向最近邻样本之间径向距离； 根据边界点与其反向最近邻样本之间径向距离计算密度影响阈值： ； ； 其中，表示边界点横坐标，表示第i个最近邻样本的横坐标，表示边界点的反向最近邻集合，表示径向基函数，表示两个样本点之间平方欧几里得距离；表示边界点与其第个最近邻的距离值； 定义临界阈值表示所有组合样本的的均值，若大于临界阈值，则将该组合样本的边界样本点加入集合中； 使用DBSCAN密度算法对集合中的样本点进行再次密度聚类，得到个特征子空间； 采用费舍尔判别分析法计算所有聚类集合以及个特征子空间中特征的费舍尔值，并按照其费舍尔值进行排序，选取排序前S个特征作为第二数据特征； S25：组合第一数据特征和第二数据特征，得到训练特征向量； S3：将训练特征向量输入到网络流量入侵检测模型中，并采用粒子群优化算法对网络流量入侵检测模型进行参数调优，得到训练好的网络流量入侵检测模型； S4：采用训练好的网络流量入侵检测模型对测试集进行处理，得到入侵检测结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。