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！

龙图腾网获悉电子科技大学申请的专利一种基于生成对抗网络的数据链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：CN119316303B 。

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：202411328580.7，技术领域涉及：H04L41/14；该发明授权一种基于生成对抗网络的数据链网络流量生成方法是由蒋定德;黄子宸;何一鸣;王志浩设计研发完成，并于2024-09-24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数据链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数据链网络流量生成方法，属于数据链网络技术领域。本发明能够利用GAI模型学习历史流量数据的分布和行为特征，生成符合真实网络特征的综合流量。该框架支持无限流量生成，而无需部署真正的网络服务。本发明运用改进IP2Vec+CGAN网络模型进行数据链网络流量生成，引入了一种基于嵌入的方法，该方法用连续向量表示流五元组。提出了一种基于CGAN的综合网络流量生成模型。我们使用流量五元组的向量表示和网络流量的统计特征以及流量类型来训练CGAN模型。流量生成后，从生成状态转换回其原始空间，进一步用于描述物联网设备或用户之间的网络行为。

本发明授权一种基于生成对抗网络的数据链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数据链网络流量生成方法，该方法包括如下步骤： 步骤1：流量数据准备； 从物理网络中捕获流量数据，这些数据包括网络流的五元组和流量的统计属性，并记录捕获流量数据的标签，五元组包括：源IP、目的IP、源端口、目的端口和协议； 步骤2：对数据进行上下文提取，将数据中的五元组视作一个整体进行两两提取，得到提取样本； 步骤3：将提取样本嵌入改进IP2Vec模型，使其能够根据流量中的一个元素预测其它元素，捕捉流量属性之间的关系，得到嵌入向量； 首先对步骤2得到得提取向量进行独热编码，然后再输入改进IP2Vec模型；所述改进IP2Vec模型包含：一个输入层、一个单独的隐藏层和一个输出层，隐藏层中的神经元与输入层和输出层中的神经元完全连接；改进IP2Vec模型的输入层是待预测的目标词，输出层是上下文词；输入层和输出层分别通过一个svoc×semb和semb×svoc的权重矩阵与隐藏层连接，其中svoc表示词库的尺寸，semb表示Word2Vec模型的嵌入维度；输出层采用Softmax函数来指示输入和输出词汇在相同上下文中出现的概率；改进IP2Vec模型训练过程具体包括： 步骤3A：wt的One-Hot向量表示的是进入其中的词-语境对，给定一个词w，用表示，xt的嵌入向量计算如下： 其中，V是输入词矩阵，semb是嵌入空间的大小； 步骤3B：得分向量是由输出词矩阵乘以vt计算得出的，表示为： 步骤3C：然后使用Softmax计算概率；上下文词语的预测概率表示为： 上下文单词的One-Hot表示向量表示为公式4，它与预测的概率向量相匹配，swin上下文的边界长度； yt-swin,...,yt-1,yt+1,...yt+swin4 步骤3D：考虑特征x在有c1和c2聚类的Xrea和Xsyn中的分布，分别表示为和表示第i个群集的平均值，表示第i个群集的分布分数；设D＝[dij]为地面距离矩阵，其中dij表示和之间的地面距离；假设fij是和之间的流量，目的是找到总成本最小的流量F＝[fij]； 在获得最佳流量后，EMD被定义为总流量归一化后的功耗，如下所示： 使用中心词预测上下文词语的概率是相互独立的，条件概率如公式7所示： 其中，AveEMD表示Xreal和Xsyn之间所有特征的平均EMD；该模型的目标就是最小化该概率： 其中，T是句子的长度，即本文中五元组的长度；利用给定的中心词wc计算上下文词wo的概率表示为： 其中，vc是中心词的词向量，即V的第c列向量；uo是上下文词的词向量，即U的第o列向量，的计算成本与词汇量的大小成正比； 步骤4：构建条件生成对抗网络CGAN架构和训练CGAN模型； 条件生成对抗网络CGAN由生成器G和判别器D两部分组成；生成器G网络从随机噪声和流量类型标签中生成合成流量；鉴别器D网络区分生成的流量与真实流量；使用带有流量类型标签的真实流量数据训练CGAN模型，包括将步骤3中获得的嵌入向量与流量的统计属性结合起来作为训练数据；通过对抗训练，生成器学习生成具有指定特征的流量，而鉴别器学习如何区分真实流量和生成流量； 步骤5：使用训练好的生成器网络，根据指定的流量类型标签生成合成流量；这些合成流量在统计上模仿真实流量的分布；将生成的合成流量的嵌入属性映射回原始的五元组空间，添加到训练样本总，进一步用于网络行为分析；通过计算合成嵌入属性与训练阶段存储的所有嵌入结果之间的余弦相似度，找到最相似的词汇映射回合成流量的相应字段。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。