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！

龙图腾网获悉华东交通大学申请的专利一种基于知识蒸馏的无人机网络入侵检测多分类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：CN121509116B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610038746.4，技术领域涉及：H04L9/40；该发明授权一种基于知识蒸馏的无人机网络入侵检测多分类方法是由李轩;曾倩;周天清;夏海斌;李光辉设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本一种基于知识蒸馏的无人机网络入侵检测多分类方法在说明书摘要公布了：本发明提出一种基于知识蒸馏的无人机网络入侵检测多分类方法，先获取包含正常样本和多种攻击样本的多组无人机网络流量数据组成的数据集；从数据集中提取通信特征，构造基于应用层协议增强的有向多重属性图G，获得训练图和测试图；使用训练图对教师模型进行训练，通过训练好的教师模型对训练图和测试图执行前向推理，得到训练嵌入向量和测试嵌入向量；将训练嵌入向量作为学生模型的输入，通过硬标签损失函数和软标签损失函数联合优化实现知识蒸馏，获得训练好的学生模型；使用训练好的学生模型进行推理，将测试嵌入向量作为输入，输出预测标签。本发明方法在没有标注样本类型的情况下仍能获得有效表达，在保证检测性能的条件下显著降低推理成本。

本发明授权一种基于知识蒸馏的无人机网络入侵检测多分类方法在权利要求书中公布了：1.一种基于知识蒸馏的无人机网络入侵检测多分类方法，其特征在于，包括如下步骤： 步骤S1，获取包含正常样本和多种攻击样本的多组无人机网络流量数据组成的数据集； 步骤S2，从数据集中提取通信特征，并为每条流量数据生成对应的边特征向量、分配辅助标识和样本类型标签，随后将数据集划分为训练集和测试集，并通过构造基于应用层协议增强的有向多重属性图G对训练集和测试集中的流量数据进行图建模，将通信实体之间的交互关系转化为图结构，获得训练图和测试图； 步骤S3，搭建神经网络模型，神经网络模型包含教师模型和学生模型；教师模型基于边级无监督图学习方法DGI，以图神经网络E-GraphSAGE作为编码器进行消息传递与特征聚合；学生模型是一个多层感知器MLP，由N层全连接层与N-1组可选归一化非线性单元交替级联构成，N≥1； 步骤S4，使用训练图对教师模型进行训练，再使用训练好的教师模型对训练图和测试图分别执行一次前向推理，分别得到训练嵌入向量和测试嵌入向量； 所述步骤S4包括以下步骤： 步骤S41，以训练图作为输入，将训练图作为训练图正样本，通过一个损坏函数创建一个损坏的图作为训练图负样本，将训练图正样本和训练图负样本输入到编码器中，编码器输出训练图正样本的正样本嵌入和训练图负样本的负样本嵌入，使用Readout函数对所有正样本嵌入取均值，通过Sigmoid激活函数将正样本嵌入的均值的范围压缩到0到1之间，从而生成包含图的全部语义的全局图摘要S； 步骤S42，通过判别器D使用双线性评分方法计算正样本评分和负样本评分，即通过计算正样本嵌入和全局图摘要S的点积相似度获得正样本评分，通过计算负样本嵌入和全局图摘要S的点积相似度获得负样本评分；然后将所得正样本评分与数值为1的标签、负样本评分与数值为0的标签一并送入二元交叉熵损失函数中，通过二元交叉熵损失函数衡量正样本评分趋于1的程度、负样本评分趋于0的程度，形成判别损失； 步骤S43，将判别损失进行反向传播，同步更新判别器D的权重、编码器的参数，完成教师模型的训练与参数优化； 步骤S44，在训练图和测试图上分别执行一次前向推理操作，分别得到训练嵌入向量和测试嵌入向量，训练嵌入向量经过线性映射层进行变换后得到教师模型训练的对数几率，用于学生模型的训练，测试嵌入向量用于学生模型的推理； 步骤S5，学生模型训练阶段，学生模型将教师模型输出的训练嵌入向量作为输入，通过硬标签损失函数和软标签损失函数联合优化，获得训练好的学生模型； 步骤S6，使用训练好的学生模型进行推理，将教师模型生成的测试嵌入向量输入至训练好的学生模型中，学生模型输出测试预测标签，并与测试图中的真实标签作对比，计算各指标值，用于评估无人机网络入侵检测性能。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。