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！

龙图腾网恭喜华东理工大学;公安部第三研究所申请的专利一种引入样本几何和多视角信息的网络入侵检测方法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：CN115208631B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202210675565.4，技术领域涉及：H04L9/40；该发明授权一种引入样本几何和多视角信息的网络入侵检测方法是由王喆;李冬冬;任双艳;吴松洋;郭威设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种引入样本几何和多视角信息的网络入侵检测方法在说明书摘要公布了：本发明公开了一种引入样本几何和多视角信息的网络入侵检测系统，包括在训练集上构造一个可分性强的度量空间并用K近邻分类器对待检测网络入侵数据进行分类的过程。首先，将采集到的入侵数据在每个视角上运用大边际准则框架；其次，最小化每个视角上训练集异类样本簇之间的密度；接着，为每个视角引入带有标签信息的邻接矩阵；然后，采用自适应最大化视角交叉相关性方法。将上述步骤代入统一的学习框架中，计算最优解并得到最终的度量空间；最后，将待检测的网络入侵数据送入度量空间中，用K近邻分类器进行分类。本发明弥补了现有系统无法挖掘样本与视角数据信息的缺陷，能充分利用样本几何信息和视角互补信息指导多视角网络入侵检测任务。

本发明授权一种引入样本几何和多视角信息的网络入侵检测方法在权利要求书中公布了：1.一种引入样本几何和多视角信息的网络入侵检测方法，其特征在于：具体步骤包括：1系统训练第一步：将采集到的入侵数据作为训练集在每个视角上运用大边际准则框架，得到同类样本对相近异类样本对远离的度量空间；2训练第二步：在训练第一步得到的度量空间中，最小化每个视角上训练集异类样本簇之间的密度，得到考虑样本对距离和类间密度的度量空间，具体步骤为：首先根据训练集的标签将训练数据分为不同的类子集，然后计算每个类子集中样本数据每个视角对应的特征集合的平均值，作为每个类子集对应视角上的类中心即将该类子集在该视角上的每个数据样本的特征相加并除以该类子集的样本数，接着将不同类子集在不同视角上的类中心之间的距离相加，得到所有类子集在所有视角上的类间距离之和最后代入度量空间中得到： 其中，和分别代表第v个视角的第i和第j个样本，V是视角总数，Wv是第v个视角的马氏度量矩阵Mv分解得到的权重向量，根据马氏度量的特点，Mv是一个对称半正定矩阵，所以满足ci,cj∈[1,2,...,C]代表不同的类别，C是样本类别总数，分别是属于ci,cj类别的样本集合，它们包含的元素个数分别用表示；3训练第三步：在训练第二步得到的度量空间中，为每个视角引入带有标签信息的邻接矩阵，得到同时考虑全局和局部数据结构的度量空间，具体步骤为：首先构造带有样本标签信息的邻接矩阵P，对输入训练集的每个数据对应的标签进行统计，若两个数据样本的标签相同则设置对应的Pij为否则设置对应的Pij为0： 其次，将邻接矩阵P引入度量空间中得到： 其中，代表样本对，S代表的是同类样本对的集合，S是集合S所包含的元素个数，X表示样本集X中所有的样本两两组成的样本对；4训练第四步：在训练第三步得到的度量空间中，采用自适应最大化视角交叉相关性方法，得到考虑样本几何信息和多视角互补信息的度量空间；5训练第五步：对训练第四步得到的度量空间代入学习框架中，并通过优化方法计算最优解，得到最终的度量空间，具体步骤为：首先采用大边际框架约束样本对的距离，根据训练集的标签将训练数据分为异类样本对和同类样本对，即两个样本如果具有相异的标签则为异类样本对，如果具有相同的标签则为同类样本对，所有异类样本对组成集合D，所有同类样本对组成S，计算所有异类样本对在每个视角上的距离并相加除以异类样本对个数D，计算所有同类样本对在每个视角上的距离并相加除以同类样本对个数S，将上述两个结果相减得到大边际框架约束项，接着加入训练第二步中的方法得到的正则项，然后减去训练第三步中的方法得到的正则项并转换为拉普拉斯矩阵形式，最后加上自适应最大化视角交叉相关性方法得到的正则项，为每个视角设定一个权重λv，对不同视角的训练数据计算交叉相关性并相加，得到最终的目标函数： 其中，Lap为邻接矩阵P转换而来的拉普拉斯矩阵，trace为求迹操作，Xv为第v个视角的样本集，v,u∈[1,V]，约束项第一条为了确保对称半正定矩阵的性质，约束项第二条表示不同视角的权重之和为1，并且确保了权重优化过程有意义，γ、β、η和r为平衡参数；6网络入侵检测过程：输入待检测的网络入侵数据在训练步骤中学习到的最终度量空间中计算每个待检测网络入侵数据与所有训练集样本的马氏距离： 其中Nte为待检测网络入侵数据个数，xi和xj分别属于训练集样本和待检测网络入侵数据，最后采用最大投票法，即统计前k个距离待检测网络入侵数据最近的训练集样本的类别，将这k个结果里出现次数最多的类别作为该待检测网络入侵数据的类别。

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华东理工大学;公安部第三研究所，其通讯地址为：200237 上海市徐汇区梅陇路130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”。