基于改进的WGAN采样与集成学习的网络入侵检测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及基于改进的WGAN采样与集成学习的网络入侵检测方法,与现有技术相比解决了针对高维且类不平衡的网络流量数据,集成模型的基学习器自适应能力不足,难以抑制噪声干扰并挖掘关键攻击模式的缺陷。本发明包括以下步骤:网络流量数据的获取;基于DDWGLO框架进行数据增强;基于Stacking构建网络入侵检测模型;网络入侵检测模型的训练;网络入侵的实时检测。本发明采用DDWGLO进行数据增强、基于Circle混沌映射改进的牛顿‑拉夫逊优化算法自适应分配权重,进而提高网络入侵检测的准确性。
《基于改进的WGAN采样与集成学习的网络入侵检测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025108523015,当前法律状态为已下证,由安徽大学提出申请,发明人为金飞飞;章丹丹;夏平凡;刘金培;常博森;陈意,申请日期为2025-06-24,公开(公告)日期为2025-12-23,国际专利分类号(IPC)为 H04L 9/40 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及基于改进的WGAN采样与集成学习的网络入侵检测方法,与现有技术相比解决了针对高维且类不平衡的网络流量数据,集成模型的基学习器自适应能力不足,难以抑制噪声干扰并挖掘关键攻击模式的缺陷。本发明包括以下步骤:网络流量数据的获取;基于DDWGLO框架进行数据增强;基于Stacking构建网络入侵检测模型;网络入侵检测模型的训练;网络入侵的实时检测。本发明采用DDWGLO进行数据增强、基于Circle混沌映射改进的牛顿‑拉夫逊优化算法自适应分配权重,进而提高网络入侵检测的准确性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
