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！

龙图腾网恭喜国网浙江省电力有限公司科技创新中心;国网浙江省电力有限公司嘉兴供电公司;国家电网有限公司申请的专利一种电力5G网络流量攻击预测方法、系统、设备及介质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：CN119907003B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510387709.X，技术领域涉及：H04W12/122；该发明授权一种电力5G网络流量攻击预测方法、系统、设备及介质是由郑伟军;唐锦江;王滢;吴国庆;徐晨;姜魏;杜斌;葛琪;徐宏;魏信伍;吴子杰设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本一种电力5G网络流量攻击预测方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种电力5G网络流量攻击预测方法、系统、设备及介质，其方法包括获取电力5G网络的多维流量数据，并通过权重化One‑hot编码对所述多维流量数据进行标准化处理，得到标准化流量矩阵；基于多尺度卷积神经网络模型和引入注意力机制的长短期记忆网络模型对所述标准化流量矩阵进行特征提取，得到综合流量特征；根据改进后的深度神经网络模型对所述综合流量特征进行处理，得到高维流量特征；所述改进后的深度神经网络模型为融合了残差网络与自适应动态Dropout的深度神经网络；通过激活函数对所述高维流量特征进行概率映射，得到对所述电力5G网络的流量攻击预测结果，以有效预测网络流量攻击态势，为电力5G通信网络提供更高效、更精准的安全保障。

本发明授权一种电力5G网络流量攻击预测方法、系统、设备及介质在权利要求书中公布了：1.一种电力5G网络流量攻击预测方法，其特征在于，包括： 获取电力5G网络的多维流量数据，并通过权重化One-hot编码对所述多维流量数据进行标准化处理，得到标准化流量矩阵； 基于多尺度卷积神经网络模型和引入注意力机制的长短期记忆网络模型对所述标准化流量矩阵进行特征提取，得到综合流量特征； 根据改进后的深度神经网络模型对所述综合流量特征进行处理，得到高维流量特征；所述改进后的深度神经网络模型为融合了残差网络与自适应动态Dropout的深度神经网络； 通过激活函数对所述高维流量特征进行概率映射，得到对所述电力5G网络的流量攻击预测结果； 所述通过权重化One-hot编码对所述多维流量数据进行标准化处理，得到标准化流量矩阵，包括： 对所述多维流量数据进行编码处理，得到编码流量矩阵，并采用基于均值绝对偏差的标准化模型对所述编码流量矩阵进行标准化处理，得到标准编码流量矩阵； 通过所述权重化One-hot编码对所述标准编码流量矩阵进行编码处理，得到标准化流量矩阵； 所述标准化模型通过下式表示： 式中，、分别为标准化前、后的第i个特征在标准编码流量矩阵内第j条记录中的值；为第i个特征的均值；为第i个特征的平均绝对偏差；n为特征总量； 所述权重化One-hot编码通过下式表示： 式中，Y为权重化One-hot编码矩阵；为第i种攻击类型对应的权重；、为权重调整因子；为第i种攻击类型在历史多维流量数据中的频率；、分别为第i种攻击类型的新、旧严重性；为学习率；为第i种攻击类型的实时影响评估值； 所述基于多尺度卷积神经网络模型和引入注意力机制的长短期记忆网络模型对所述标准化流量矩阵进行特征提取，得到综合流量特征，包括： 通过所述多尺度卷积神经网络模型的卷积核对所述标准化流量矩阵进行特征提取，得到关键特征，并通过激活函数对所述关键特征进行处理，以采用全局平均池化操作对处理结果进行降维，生成初步特征矩阵；其中，多尺度卷积神经网络模型为MSCNN；多尺度卷积神经网络的输入是一组连续的滑动窗口表示，将标准化流量矩阵输入至滑动窗口内，并使用多尺度卷积神经网络的卷积核对输入的标准化流量矩阵进行特征变换，得到关键特征； 采用引入注意力权重的长短期记忆网络模型对所述初步特征矩阵进行时间序列建模，得到时序特征矩阵；其中，引入注意力权重的长短期记忆网络模型为Attention-LSTM；Attention-LSTM以初步特征矩阵为输入进行时间序列建模，输出时序特征矩阵； 对所述初步特征矩阵和所述时序特征矩阵进行拼接融合，得到综合流量特征； 所述改进后的深度神经网络模型包括第一全连接层、第二全连接层、第三全连接层、残差层、第一隐藏层、第二隐藏层和第三隐藏层；其中， 所述根据改进后的深度神经网络模型对所述综合流量特征进行处理，得到高维流量特征，包括： 以所述综合流量特征为输入特征，经所述残差层连接后，通过所述第一全连接层对所述综合流量特征进行加权计算和映射处理，得到第一层特征以应用自适应动态Dropout，生成第一流量特征并经所述第一隐藏层输出； 以所述第一流量特征为输入特征，经所述残差层连接后，通过所述第二全连接层对所述第一流量特征进行加权计算和映射处理，得到第二层特征以应用自适应动态Dropout，生成第二流量特征并经所述第二隐藏层输出； 以所述第二流量特征为输入特征，经所述残差层连接后，通过所述第三全连接层对所述第二流量特征进行加权计算和映射处理，得到第三层特征以应用自适应动态Dropout，生成高维流量特征并经所述第三隐藏层输出； 所述通过激活函数对所述高维流量特征进行概率映射，得到对所述电力5G网络的流量攻击预测结果，包括： 采用Softmax函数对所述高维流量特征进行概率映射，得到分类概率； 通过预设分类阈值与所述分类概率进行比较，并根据比较结果确定对所述电力5G网络的流量攻击预测结果； 其中，所述预设分类阈值通过下式表示： 式中，K为预设分类阈值；E为分类权重因子；Precision、Recall分别为第一、二预测正确率。

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国网浙江省电力有限公司科技创新中心;国网浙江省电力有限公司嘉兴供电公司;国家电网有限公司，其通讯地址为：310052 浙江省杭州市滨江区江晖路701号B幢；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”。