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;四川省數字經濟研究院(宜賓)申請的專利一種基于自適應K最鄰近的未知惡意流量檢測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：CN119788411B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202510245467.0，技術領域涉及：H04L9/40；該發明授權一種基于自適應K最鄰近的未知惡意流量檢測方法是由曹晟;王巖;彭俊杰;管韞之;張淋;代洋;張小松設計研發完成，并于2025-03-04向國家知識產權局提交的專利申請。

本一種基于自適應K最鄰近的未知惡意流量檢測方法在說明書摘要公布了：本發明提供了一種基于自適應K最鄰近的未知惡意流量檢測方法，包括：構建新樣本集，合并訓練集與測試集為新樣本集，以供后續步驟查詢K最近鄰；自適應K值計算，計算不同測試集樣本的K最近鄰樣本特征分布緊湊程度即密度，并基于密度為不同測試集樣本賦予自適應的K值，提高對少類別樣本的泛化性；未知惡意流量檢測，統計測試集樣本K最近鄰中歸屬訓練集的樣本數量，并基于該數量判定是否為未知惡意流量，精確識別未知惡意流量。本發明充分利用測試集樣本，更加精確地區分已知與未知惡意流量，以便網絡管理員采取針對性防御措施，提高計算機系統的安全性。

本發明授權一種基于自適應K最鄰近的未知惡意流量檢測方法在權利要求書中公布了：1.一種基于自適應K最鄰近的未知惡意流量檢測方法，其特征在于，所述方法包括以下步驟：步驟S1，構建新樣本集，合并僅包含已知惡意流量樣本的訓練集與包含已知與未知惡意流量樣本的測試集為新樣本集以供后續步驟查詢K最近鄰；步驟S2，自適應K值計算，計算不同測試集樣本的K最鄰近樣本在特征空間的分布緊湊程度即密度，并基于密度為不同測試集樣本賦予自適應的K值，具體包括：步驟S21，K最鄰近密度計算，計算所有測試集樣本的K最鄰近密度并歸一化；步驟S22，自適應K值計算，基于密度賦予所有測試集樣本自適應K值；其中，步驟S21的K最鄰近密度計算包括：步驟S221，對于歸屬于測試集的待測樣本xi，計算其與新樣本集所有樣本之間的距離dxi,xj，得到待測樣本xi的距離樣本集步驟S222，基于步驟S211得到的距離樣本集disall，選擇與待測樣本距離xi最近的個樣本步驟S223，計算待測樣本xi與個最近鄰居的平均距離即K最鄰近密度，計算方式如下： 其中，dxi,xij表示待測樣本xi與最鄰近之間的距離；步驟S224，重復以上步驟，計算測試集Xa中所有樣本的K最鄰近密度，得到平均距離樣本集步驟S225，歸一化平均距離樣本集對于待測樣本xi，其歸一化K最鄰近密度計算方式如下： 其中，dmin與dmax分別表示平均距離樣本集中的最小和最大值；步驟S22的自適應K值計算方式如下： 其中，為步驟S224計算得到的待測樣本xi的歸一化K最鄰近密度，kmax與kmin為預設的超參數，分別表示所有待測樣本可能的最大與最小自適應K值；步驟S3，未知惡意流量檢測，統計每個測試集樣本自適應K最鄰近中歸屬訓練集的樣本數量，并基于該數量判定每個測試集樣本是否為未知惡意流量，具體包括：步驟S31，自適應K最鄰近獲取，基于步驟S2得到的自適應K值，獲取與待測樣本距離xi最近的ki個樣本作為待測樣本xi的自適應K最鄰近；步驟S32，未知程度分數計算，基于步驟S31得到的自適應K最鄰近，基于歸屬訓練集的樣本數量計算得到未知程度分數；步驟S33，未知惡意流量判定，未知程度分數超出閾值的樣本則被判定為未知惡意流量。

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;四川省數字經濟研究院(宜賓)，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”。