買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜電子科技大學;四川警察學院申請的專利一種對抗標簽噪聲的惡意流量檢測裝置及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116192500B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310148063.0，技術領域涉及：H04L9/40；該發明授權一種對抗標簽噪聲的惡意流量檢測裝置及方法是由牛偉納;張巖峰;姚領風;胡佳;趙毅卓設計研發完成，并于2023-02-22向國家知識產權局提交的專利申請。

本一種對抗標簽噪聲的惡意流量檢測裝置及方法在說明書摘要公布了：本發明公開了一種對抗標簽噪聲的惡意流量檢測裝置及方法，屬于惡意流量檢測技術領域，主旨在于解決惡意流量檢測系統在含有標簽噪聲情況下泛化性能低的問題。主要方案包括：先將含有標簽噪聲的數據集分成兩個子集，分別對兩個模型結構相同的網絡進行預訓練；將子集分別交叉地輸入模型中預測，基于預測誤差初步篩選干凈樣本；將噪聲樣本視為未標記樣本，并根據隨機森林特征重要性算法計算得到樣本的功能性特征與非功能性特征，基于同類攻擊樣本的特征數值會在一定范圍內擾動這一假設，對流量數據進行數據增強；對數據增強后的樣本采用無監督學習與對比學習，從而對預訓練的模型進行進一步改進與微調，從而提升模型的泛化性能。

本發明授權一種對抗標簽噪聲的惡意流量檢測裝置及方法在權利要求書中公布了：1.一種對抗標簽噪聲的惡意流量檢測裝置，其特征在于，包括以下器件：模型預訓練模塊：將含標簽噪聲的流量數據集劃分成子集1和子集2，分別對兩個網絡結構相同的模型進行預訓練，得到模型1和模型2；樣本選擇模塊：通過預訓練后的模型交叉地對兩個數據集子集進行預測，并基于Jensen-Shannon散度計算預測誤差，初步篩選干凈樣本與噪聲樣本；數據增強模塊：將篩選出的噪聲樣本視為未標記樣本，并根據隨機森林特征重要性算法得到樣本的功能性特征與非功能性特征，基于同種類型的攻擊樣本其特征數值會在一定的范圍進行擾動原理，對流量樣本進行數據增強；半監督與對比學習訓練模塊：計算模型1和模型2的半監督損失與對比學習損失，使模型學習到噪聲流量樣本的數據分布，且不受到噪聲標簽記憶的影響，最后，通過篩選的干凈樣本對模型進行微調，得到泛化性能好的惡意流量檢測模型；其中模型預訓練模塊具體實現步驟如下：S1：通過隨機采樣的方式，將含標簽噪聲的流量數據集劃分成兩個沒有交集的子集，得到子集1和子集2；S2：定義模型結構，使模型具備兩個輸出：投影層和分類層，其中，輸入的流量數據經過神經網絡中的隱藏層，輸出到投影層，得到固定維度的特征表示，并基于該特征表示計算正樣本對與負樣本對的特征相似性，得到對比學習誤差；輸入的流量數據經過神經網絡中的隱藏層，同時輸出到模型1與模型2的分類層，取兩個模型預測結果的平均值作為各類別的預測概率，根據輸出得到的概率值與干凈樣本的實際標簽計算監督學習誤差，在模型訓練開始前，利用監督學習誤差通過高斯分布初始化模型參數；S3：基于構造的模型結構，初始化得到結構相同的模型1和模型2，劃分的子集分別輸入到兩個模型中，訓練不超過10個epoch，使模型1與模型2初步學習數據的分布。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學;四川警察學院，其通訊地址為：611731 四川省成都市高新區(西區)西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。