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！

龙图腾网获悉鹏城实验室申请的专利网络攻击流量检测方法、装置、计算机设备及存储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：CN120582813B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510591922.2，技术领域涉及：H04L9/40；该发明授权网络攻击流量检测方法、装置、计算机设备及存储介质是由顾钊铨;石雨佳;张欢;王子雨;曾丽仪;刘长安;景晓;罗翠;袁华平设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本网络攻击流量检测方法、装置、计算机设备及存储介质在说明书摘要公布了：本申请实施例提供了一种网络攻击流量检测方法、装置、计算机设备及存储介质。方法包括：获取待检测流量，以及对应的检测指令；将待检测流量和检测指令输入大语言模型中，得到对应的流量检测结果；其中，大语言模型通过第一预设大语言模型基于第一损失进行流量模式学习训练，得到第二预设大语言模型，并由第二预设大语言模型基于第二损失进行指令理解训练得到；第一损失根据预测待检测流量与第一样本待检测流量之间的差异确定，预测待检测流量基于第一样本待检测流量进行递归预测得到；第二损失基于第二样本待检测流量输出的预测流量检测结果，与样本流量检测结果之间的差异确定。以此，能够提高对网络攻击流量检测的灵活性和准确性。

本发明授权网络攻击流量检测方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种网络攻击流量检测方法，其特征在于，所述方法包括： 获取待检测流量，以及根据所述待检测流量生成的检测指令； 将所述待检测流量和所述检测指令输入大语言模型中，得到所述待检测流量对应的流量检测结果； 其中，所述大语言模型通过第一预设大语言模型基于第一损失进行流量模式学习训练，得到第二预设大语言模型，并由所述第二预设大语言模型基于第二损失进行指令理解训练得到； 所述第一损失通过所述第一预设大语言模型根据预测待检测流量与第一样本待检测流量之间的差异确定，所述预测待检测流量通过所述第一预设大语言模型基于所述第一样本待检测流量进行递归预测得到； 所述递归预测的过程为基于所述第一样本待检测流量的首个时间步对应的首个流量特征，生成中间预测序列，并基于所述中间预测序列预测下一流量特征，以根据所述下一流量特征更新所述中间预测序列的递归过程； 所述第二损失通过所述第二预设大语言模型基于第二样本待检测流量输出的预测流量检测结果，与样本流量检测结果之间的差异确定； 所述大语言模型通过以下方式训练得到：从预设的预训练数据集中获取第一样本待检测流量，并通过所述第一预设大语言模型基于所述第一样本待检测流量进行递归预测，得到预测待检测流量；基于所述第一样本待检测流量和所述预测待检测流量之间的差异，确定第一损失；基于所述第一损失对所述第一预设大语言模型进行训练，得到第二预设大语言模型；从预设的微调数据集中获取第二样本待检测流量、对应的样本流量检测结果，以及所述第二样本待检测流量对应的多条样本检测指令，并依次将所述第二样本待检测流量和每条样本检测指令输入至所述第二预设大语言模型中，得到预测流量检测结果；基于所述预测流量检测结果和所述样本流量检测结果之间的差异，确定第二损失；基于所述第二损失对所述第二预设大语言模型进行微调，得到大语言模型； 其中，所述第一预设大语言模型基于所述第一样本待检测流量进行递归预测，得到预测待检测流量，包括：通过所述第一预设大语言模型基于所述第一样本待检测流量的首个时间步对应的首个流量特征，生成中间预测序列；基于所述中间预测序列预测下一时间步的下一流量特征，将所述下一流量特征更新至所述中间预测序列的末端，以更新所述中间预测序列；重复执行所述基于所述中间预测序列预测下一时间步的下一流量特征，将所述下一流量特征更新至所述中间预测序列的末端，以更新所述中间预测序列的步骤，直至递归更新的所述中间预测序列的流量特征数量与所述第一样本待检测流量的流量特征数量相同，基于最后一个时间步对应的中间预测序列，得到预测待检测流量。

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鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街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”。

以上内容由龙图腾AI智能生成。