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！

龙图腾网恭喜东南大学申请的专利一种基于批量更新的网络流概念漂移解决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：CN115604142B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202211085134.9，技术领域涉及：H04L43/08；该发明授权一种基于批量更新的网络流概念漂移解决方法是由吴桦;李维娜;陈晰颖;程光设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本一种基于批量更新的网络流概念漂移解决方法在说明书摘要公布了：本发明公开了一种基于批量更新的网络流概念漂移解决方法，该方法首先会对新到达的流量进行分类，得到分类结果；为了检测网络流概念漂移，本发明提出了一个自适应的概念漂移检测器，对流量特征的分类结果进行监测，根据漂移样本的数量来判断是否发生网络流概念漂移，并自主地触发分类模型的更新流程；为了在合理的时间和空间内完成分类模型的更新，本发明设计了一个批量更新器，对漂移样本和保存在本地的已聚类历史样本进行批量更新，以获得更新后的聚类样本，然后使用更新后的聚类样本和有监督机器学习分类算法完成分类模型的更新。本发明的方法使用公开的10G主干网数据集进行了测试，因此，适用于主干网流量的分类模型更新。

本发明授权一种基于批量更新的网络流概念漂移解决方法在权利要求书中公布了：1.一种基于批量更新的网络流概念漂移解决方法，其特征在于，该方法包括以下步骤：步骤1构建流经主干网的包含漂移样本的流量数据集；步骤2以步骤1构建的流量数据集作为输入，使用流量分类模型对新到达的流量进行预测和分类；步骤3基于步骤2的分类结果，使用概念漂移检测器判断数据集中的流量是否发生概念漂移；步骤4若数据集中的流量发生概念漂移，使用批量更新器对漂移样本和保存在本地的已聚类历史样本进行批量更新，获得更新后的聚类样本；步骤5基于步骤4更新后的聚类样本中已标记的流量特征，使用有监督的机器学习算法更新分类模型；步骤6使用步骤5中更新后的分类模型对后续到达的主干网流量进行分类；其中，步骤1中，构建流经主干网的包含漂移样本的流量数据集的方法如下：步骤1.1使用两台主机搭建环境采集DDoS流量，用于构建真实主干网中的漂移样本；步骤1.2混合DDoS流量和在10G主干网链路上收集的流量，用于构建流经主干网的包含漂移样本的流量数据集；步骤2中，对新到达流量进行预测和分类的方法如下：步骤2.1由于TCP协议和UDP协议的消息格式不同，将流量先划分为四大类：双向TCP流、单向TCP流、双向UDP流和单向UDP流，每一大类流量有一个对应的分类模型；步骤2.2fi表示第i个流量特征向量，对于每个特征向量fi=x1,x2,…,xm，分类模型会给出预测的类别标签Li和预测为该类别的概率值pi；步骤3中，判断数据集中的流量是否发生概念漂移的方法如下：步骤3.1首先需要检测特征样本是否为漂移样本，LowThred为类别预测概率值pi的判断阈值，步骤2.2给出了每个特征向量fi=x1,x2,…,xm对应的预测的类别标签Li和预测为该类别的概率值pi，如果pi大于LowThred，说明这个特征向量fi与用于训练分类模型的历史特征向量相似，即该特征向量对应的样本符合历史数据的正常模式，反之，如果pi小于LowThred，说明这个特征向量对应的样本是一个漂移样本；步骤3.2将三元组即传输层协议，IP地址和端口视为Key，从具有相同Key值的数据包中提取出一个或多个特征样本,设KeyThred为一个三元组中漂移样本数量占该三元组中总特征样本数量的比例的阈值，计算三元组中漂移样本数量占该三元组总特征样本数量的比值Pk，如果Pk≥KeyThred，就将该三元组判定为漂移三元组，否则将该三元组视作正常三元组；步骤3.3UpdateThred为用于判断是否需要触发更新流程的阈值，计算所有漂移三元组中的样本数量占全部流量样本总数的比值Pu，如果Pu≥UpdateThred，说明主干网流量中漂移样本较多，数据集中的流量发生概念漂移。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。