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！

龙图腾网获悉中国人民解放军火箭军工程大学申请的专利基于动态图注意力与对比学习的网络入侵检测方法及系统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：CN120768623B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510981462.4，技术领域涉及：H04L9/40；该发明授权基于动态图注意力与对比学习的网络入侵检测方法及系统是由崔治安;唐珂;李海龙;沈燮阳;王利涛;王丹阳;张运豪设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于动态图注意力与对比学习的网络入侵检测方法及系统在说明书摘要公布了：本发明公开了一种基于动态图注意力与对比学习的网络入侵检测方法及系统。通过将网络流量构建为动态异构图节点为IP端口，边为流量会话，采用时间窗口划分和GATv2网络进行动态特征融合。创新性地引入最优传输对比学习策略，通过Wasserstein距离和高斯Wasserstein距离实现特征与结构分布对齐，提升模型对未知攻击的泛化能力。最终结合节点嵌入与对齐矩阵，利用MLP分类器预测边异常概率。实验显示，该方法在多个数据集上准确率和F1‑score较基线提升5.2％～10.5％，显著增强复杂攻击下的检测性能，适用于物联网等实时场景。系统可部署于边缘设备，具有较高实用价值。

本发明授权基于动态图注意力与对比学习的网络入侵检测方法及系统在权利要求书中公布了：1.一种基于动态图注意力与对比学习的网络入侵检测方法，其特征在于，包括以下步骤： S1、动态图构建：将网络流量数据表示为异构图结构，其中节点由源IP地址与端口、目的IP地址与端口组成的元组构成，边表示流量会话，边属性包含43维特征向量，即协议类型、TCP标志位及流量统计特征； S2、动态子图采样：通过时间窗口划分提取批量边集及关联节点集，当节点数低于阈值M时执行邻居扩展=，生成动态更新边权重的子图； S3、GATv2节点编码：采用动态图注意力网络GATv2对子图节点进行特征提取，其注意力系数计算融合节点特征、边特征及动态边权重，通过以下公式表示： ； 式中，和a为可学习参数，∥表示特征拼接； S4、基于最优传输的的图对比学习：对子图施加扰动生成正样本，从其他时间窗口采样负样本，通过最小化Wasserstein距离WD和高斯Wasserstein距离GWD实现特征与结构分布对齐： 式中，P为传输计划矩阵，KLP为熵正则化项，为平衡参数，和分别为子图与正样本的邻接矩阵； 基于融合距离优化InfoNCE损失函数，InfoNCE损失函数其公式如下： 式中，τ为温度参数，控制对比学习的分布尖锐程度； S5、边异常分类：结合节点嵌入，和OT对齐矩阵元素，通过MLP分类器输出边异常概率： 式中，为分类权重，为Sigmoid函数。

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中国人民解放军火箭军工程大学，其通讯地址为：710000 陕西省西安市灞桥区洪庆街道同心路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。