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！

龙图腾网获悉东北大学;国网辽宁省电力有限公司信息通信分公司申请的专利一种网络异常流量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：CN116938771B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310688574.1，技术领域涉及：H04L43/0894；该发明授权一种网络异常流量检测方法及装置是由姚羽;王嘉璇;许超;王博;杨巍;刘颖;王磊;单垚;王丹妮;冉子用;吕阳;方宇珊;滕子贻;杨利成;刘倩;翟浩;胡非;刘莹;周毅;刘思宇设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种网络异常流量检测方法及装置在说明书摘要公布了：本发明属于网络安全检测领域，提出了一种网络异常流量检测方法及装置。该方法通过改进的灰狼算法IGWO对GRU网络的隐层神经元个数和学习率进行自动学习，针对网络流量周期性、时序性的特点，采用门控循环单元与本发明提出的自适应灰狼优化算法相结合的异常检测模型来对异常流量进行分类。使用改进后的灰狼优化算法对神经网络的参数以及网络的结构进行优化，不仅能提高检测的速度还能提高检测的准确率；将原本参数a的线性衰减修改为了非线性衰减，以提高全局搜索次数的占比。全局搜索次数越多，算法的全局搜索能力越强，越不容易陷入局部最优解。

本发明授权一种网络异常流量检测方法及装置在权利要求书中公布了：1.一种网络异常流量检测方法，其特征在于，包括： 步骤一：初始化灰狼算法中灰狼种群信息，以及收敛因子、第一系数向量和；其中灰狼位置信息中包含隐层神经元的个数和网络的学习率； 步骤二：将灰狼位置信息中隐层神经元的个数和网络的学习率带入到门控循环单元GRU网络中，使用训练集完成模型训练； 所述GRU网络的构建流程如下； 2.1捕获工控网络流量数据，并把数据分成训练集和测试集；其中所述训练集用于模型分类器参数的拟合，测试集用来检验模型分类器的性能； 2.2通过归一化函数将所述训练集和测试集限定在一定范围内，获得归一化处理后的训练集和测试集； 2.3确定GRU网络的结构，所述结构包括输入层、隐层和输出层；将归一化处理后的训练集输入到GRU网络中进行参数的训练；其中GRU网络参数包括网络的学习率、隐层的层数以及隐层神经元的数量；输出层采用softmax作为激活函数，输出结果为某一类流量预测分类标签； 2.4训练GRU网络，针对多分类任务采用交叉熵作为损失函数，通过反向传播改变网络的权重值； 其中，是异常流量的种类数量，是真实分类标签，是GRU网络的输出即预测分类流量标签； 2.5使用归一化之后的测试集对训练后的GRU网络进行验证，以评估模型分类器的准确性； 步骤三：测试集通过GRU网络测试的准确率作为灰狼个体的适应度；并计算灰狼种群的平均适应度； 步骤四：当前灰狼个体的适应度大于平均适应度时，使用灰狼优化算法GWO更新灰狼位置信息和参数、和的值；否则，使用改进的灰狼优化算法IGWO更新灰狼位置信息和参数、和的值；在进行位置信息更新时和的值相应发生变化； 所述步骤四具体步骤如下； 3.1更新参数、的值： ， 其中，为灰狼个体i的适应度；为平均适应度；是最大迭代次数；是当前迭代次数；和是系数向量；是收敛因子；和是之间的随机向量； 3.2更新灰狼的位置： ， 其中，、和分别为适应度前三的个体，其余个体为；、和分别代表、和的当前位置信息；、和分别代表灰狼种群中其他个体与、和与之间的距离，、、分别代表灰狼个体朝向、和的移步距离；、和是随机向量，代表当前灰狼个体的位置； ，其中，和为，和的适应度； 步骤五：当达到最大迭代次数时，输出IGWO-GRU模型和的位置信息，当前模型作为最优模型，从的位置信息中得到和的最优值；否则跳转到步骤二直至迭代完成，然后输出模型和的位置信息；最优模型或输出模型作为网络异常流量检测的模型。

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东北大学;国网辽宁省电力有限公司信息通信分公司，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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。