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！

龙图腾网恭喜山东大学申请的专利一种网络异常数据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：CN118035648B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202410273570.1，技术领域涉及：G06F18/10；该发明授权一种网络异常数据检测方法及系统是由王效强;赵高翔;郭亮;黄春茂设计研发完成，并于2024-03-11向国家知识产权局提交的专利申请。

本一种网络异常数据检测方法及系统在说明书摘要公布了：本发明提供了一种网络异常数据检测方法及系统，属于异常数据检测技术领域。所述的异常数据检测方法，包括：在焦点损失函数添加决策子树复杂度的惩罚项，最小化添加了惩罚项的焦点损失函数，为预训练的多个基于决策子树的弱学习器分配权重，将各个弱学习器基于对应的权重进行线性组合，得到强学习器，根据所述强学习器与预处理后的待检测网络数据，得到网络异常数据。本发明利用了焦点损失函数的处理不均衡数据的能力，添加惩罚项抑制树的复杂度，提高了对异常数据的识别能力以及泛化能力，焦点损失函数可以较好的处理数据失衡的情况，在总体准确率水平与其他集成模型或单个模型相当的前提下，能够更准确的进行网络异常数据检测。

本发明授权一种网络异常数据检测方法及系统在权利要求书中公布了：1.一种网络异常数据检测方法，其特征在于，包括以下过程：对待检测网络数据进行预处理；在焦点损失函数添加决策子树复杂度的惩罚项，最小化添加了惩罚项的焦点损失函数，为预训练的多个基于决策子树的弱学习器分配权重，将各个弱学习器基于对应的权重进行线性组合，得到强学习器，根据所述强学习器与预处理后的待检测网络数据，得到网络异常数据；所述焦点损失函数添加决策子树复杂度的惩罚项，具体为：焦点损失函数的形式：focal_loss＝-αt1-ptγlogpt5；其中，αt是平衡正负样本的权重，pt是模型对于真实类别的预测概率，γ是聚焦参数，用于减少易分类样本的权重，通过最小化添加了惩罚项的焦点损失函数，缓和数据极度失衡带来的分类难度；决策子树复杂度的惩罚项为：其中，focal_loss为原焦点损失函数，N为获取的数据个数，Pnnw为基于弱学习器权重w的n×n矩阵；添加了惩罚项的焦点损失函数为： 其中，惩罚项的构建时，假设获取了N个数据，构建好子树之后，将数据放入会落到一个叶结点，叶结点当中数据点如果有l个，构建一个N×1大小的一维向量VN·1，如第i个节点在该叶结点当中出现，其形式为： 如果第i个节点没有出现在该叶结点当中，则将其赋值为0，从而维持向量的长度为N，之后使用V向量构造P矩阵： 得到一个N×N的矩阵P，P矩阵看作数据专一度的一种衡量，如果数据最后只落到一个节点，那么对应的向量只有一个1，其余数据都为0，说明数据被完全区分，该节点对应的深度，或者复杂度高；所述决策子树，具体为：每个弱学习器的训练采用自举方法获取训练数据，从预处理的训练数据中随机选取部分提取后的特征构建决策子树，在决策树的每个节点分列时，不是考虑所有可能的特征，而是从所有特征中随机选取m个特征子集，m小于总特征数M；计算信息增益用来分析最佳分裂点，信息增益的计算方法如下： 其中，Gain为信息增益，Ht为父节点的熵，NtL、NtR和Nt分别是左子树，右子树和父节点为根节点的树当中的样本数量，计算信息增益判断选取节点之后获取的信息量；将信息增益最大的样本作为分裂节点，生成下一步的子树，直到样本被完全区分或达到限制条件，从而形成一棵完整的决策子树；采用网格搜索或者贝叶斯优化方式进行焦点损失函数的超参数调整，选取超参数使得在最小化焦点损失时与数据契合；采用优化方法最小化损失函数，得到损失函数最小化时对应的权重向量；所述的最小化损失函数的方法包括：序列最小二乘法。

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山东大学，其通讯地址为：264209 山东省威海市文化西路180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”。