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！

龙图腾网恭喜哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于动态网络特征筛选的强化学习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：CN119696934B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510206124.3，技术领域涉及：H04L9/40；该发明授权基于动态网络特征筛选的强化学习入侵检测方法及系统是由顾钊铨;张志强;谭灏南;张希麒;朱东;曾丽仪;王乐;方滨兴设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本基于动态网络特征筛选的强化学习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网络特征筛选的强化学习入侵检测方法及系统，方法包括构建基于Transformer框架增强的自适应奖励强化学习网络和结合小龙虾优化算法进行网络流量特征筛选，基于Transformer增强的自适应奖励强化学习网络架构，通过将Transformer机制与强化学习相结合，显著增强了在动态网络环境中的自适应学习和决策优化能力；结合小龙虾优化算法对高维网络流量进行特征萃取捕捉对入侵检测最有价值的特征集合，能够高效地从复杂多变的网络流量数据中提取出最具代表性的特征子集，提升了特征选择过程的自动化和精度；本发明方法有效克服了现有技术在样本不均衡、特征选择、动态适应性等方面的不足，提供一种更加智能、高效的入侵检测解决方案。

本发明授权基于动态网络特征筛选的强化学习入侵检测方法及系统在权利要求书中公布了：1.一种基于动态网络特征筛选的强化学习入侵检测方法，其特征在于，所述方法包括构建基于Transformer框架增强的自适应奖励强化学习网络，包括以下步骤：基于训练集数据构建强化学习网络并自适应确定强化学习的奖励机制；对输入的网络流量数据特征进行位置编码，以增强时序特性表示；将经过位置编码处理的网络流量数据输入到基于Transformer框架的智能体中进行攻击检测，通过基于Transformer框架增强的特征提取和决策网络生成对输入网络流量数据的攻击识别结果，将攻击识别结果与实际标签进行对比，计算识别的准确性和分类错误率，并结合自适应奖励机制，给予智能体相应的奖惩，并反馈给智能体；循环抽取新样本输入智能体不断更新状态空间并强化经验池学习，直至智能体模型收敛，完成基于Transformer框架增强的自适应奖励强化学习网络的训练；所述方法还包括结合小龙虾优化算法进行网络流量特征筛选，包括以下步骤：初始化小龙虾种群、小龙虾个体表征的特征子空间、温度、迭代次数及适应度值；利用温度衰减公式引导搜索向局部最优收敛；利用翻转概率动态调整特征子空间的选择策略，优化对关键特征的探索能力及适应度值；针对迭代过程中存在龙虾个体未产生更优适应度值的情况，触发全局随机搜索打破局部收敛局面；基于迭代完成后输出的最优特征集合，结合训练集与验证集，构建基于Transformer框架增强的自适应奖励强化学习网络并训练后用于部署应用；全局随机搜索具体包括：若连续N次迭代过程中某个龙虾个体未产生更优的适应度值，则触发全局随机搜索以打破局部收敛局面，所述全局随机搜索的表达式为： ， ，其中，是对特征状态的更新，randj是范围在[0,1]的随机数，用于对第j个特征引入随机性，α为扩张因子，为最大温度，fi为适应度值，表示当前龙虾个体基于选取的特征集合在验证集上的入侵检测准确率；若经过随机搜索后，第i只龙虾个体的适应度值fi优于原适应度值，则更新该个体及其对应的适应度值，从而提升算法对全局最优解的搜索能力。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。