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！

龙图腾网恭喜电子科技大学;四川省数字经济研究院(宜宾)申请的专利一种基于自适应K最邻近的未知恶意流量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：CN119788411B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510245467.0，技术领域涉及：H04L9/40；该发明授权一种基于自适应K最邻近的未知恶意流量检测方法是由曹晟;王岩;彭俊杰;管韫之;张淋;代洋;张小松设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于自适应K最邻近的未知恶意流量检测方法在说明书摘要公布了：本发明提供了一种基于自适应K最邻近的未知恶意流量检测方法，包括：构建新样本集，合并训练集与测试集为新样本集，以供后续步骤查询K最近邻；自适应K值计算，计算不同测试集样本的K最近邻样本特征分布紧凑程度即密度，并基于密度为不同测试集样本赋予自适应的K值，提高对少类别样本的泛化性；未知恶意流量检测，统计测试集样本K最近邻中归属训练集的样本数量，并基于该数量判定是否为未知恶意流量，精确识别未知恶意流量。本发明充分利用测试集样本，更加精确地区分已知与未知恶意流量，以便网络管理员采取针对性防御措施，提高计算机系统的安全性。

本发明授权一种基于自适应K最邻近的未知恶意流量检测方法在权利要求书中公布了：1.一种基于自适应K最邻近的未知恶意流量检测方法，其特征在于，所述方法包括以下步骤：步骤S1，构建新样本集，合并仅包含已知恶意流量样本的训练集与包含已知与未知恶意流量样本的测试集为新样本集以供后续步骤查询K最近邻；步骤S2，自适应K值计算，计算不同测试集样本的K最邻近样本在特征空间的分布紧凑程度即密度，并基于密度为不同测试集样本赋予自适应的K值，具体包括：步骤S21，K最邻近密度计算，计算所有测试集样本的K最邻近密度并归一化；步骤S22，自适应K值计算，基于密度赋予所有测试集样本自适应K值；其中，步骤S21的K最邻近密度计算包括：步骤S221，对于归属于测试集的待测样本xi，计算其与新样本集所有样本之间的距离dxi,xj，得到待测样本xi的距离样本集步骤S222，基于步骤S211得到的距离样本集disall，选择与待测样本距离xi最近的个样本步骤S223，计算待测样本xi与个最近邻居的平均距离即K最邻近密度，计算方式如下： 其中，dxi,xij表示待测样本xi与最邻近之间的距离；步骤S224，重复以上步骤，计算测试集Xa中所有样本的K最邻近密度，得到平均距离样本集步骤S225，归一化平均距离样本集对于待测样本xi，其归一化K最邻近密度计算方式如下： 其中，dmin与dmax分别表示平均距离样本集中的最小和最大值；步骤S22的自适应K值计算方式如下： 其中，为步骤S224计算得到的待测样本xi的归一化K最邻近密度，kmax与kmin为预设的超参数，分别表示所有待测样本可能的最大与最小自适应K值；步骤S3，未知恶意流量检测，统计每个测试集样本自适应K最邻近中归属训练集的样本数量，并基于该数量判定每个测试集样本是否为未知恶意流量，具体包括：步骤S31，自适应K最邻近获取，基于步骤S2得到的自适应K值，获取与待测样本距离xi最近的ki个样本作为待测样本xi的自适应K最邻近；步骤S32，未知程度分数计算，基于步骤S31得到的自适应K最邻近，基于归属训练集的样本数量计算得到未知程度分数；步骤S33，未知恶意流量判定，未知程度分数超出阈值的样本则被判定为未知恶意流量。

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电子科技大学;四川省数字经济研究院(宜宾)，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。