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！

龙图腾网获悉浙江电子口岸有限公司申请的专利基于AI的业务系统数据违规操作行为识别方法及系统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：CN120086578B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510591321.1，技术领域涉及：G06F18/213；该发明授权基于AI的业务系统数据违规操作行为识别方法及系统是由郑云龙;张炳龙;沈周科设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本基于AI的业务系统数据违规操作行为识别方法及系统在说明书摘要公布了：本发明涉及数据识别技术，提供了一种基于AI的业务系统数据违规操作行为识别方法及系统，所述方法包括对原始数据进行采集；采用、特征嵌套生成的对抗网络算法模型生成新样本，利用新样本扩充数据库；将扩充后的数据置入基于动态自适应振荡神经网络算法特征提取模型中进行特征提取；将特征提取后的数据输入到特征降维模型中降维；将特征降维后的数据输入到分类器中进行分类器训练；利用训练完成的模型进行违规操作行为识别。本申请提供的基于AI的业务系统数据违规操作行为识别方法能够实现结合动态自适应振荡的神经网络和基于边界平滑的自编码器算法进行特征提取与降维，显著提高了模型的准确性、鲁棒性与训练效率。

本发明授权基于AI的业务系统数据违规操作行为识别方法及系统在权利要求书中公布了：1.基于AI的业务系统数据违规操作行为识别方法，其特征在于，所述方法包括： 对原始数据进行采集，获取所述原始数据中的操作日志、业务记录与用户行为数据； 采用特征嵌套的对抗网络算法模型生成新样本，利用新样本训练采集的原始数据，实现数据扩充； 将扩充后的数据置入特征提取模型中，实现特征提取，所述特征提取模型基于动态自适应振荡神经网络算法建立； 将特征提取后的数据输入到特征降维模型中进行降维训练，所述降维模型基于边界平滑的自编码器组成； 将降维后的数据输入到分类器中进行分类器训练，利用训练完成的模型进行违规操作行为识别； 所述分类器是基于特征降维模型输出数据进行分类，分为数据的正常操作、违规操作、非法访问操作、数据修改删除操作与权限操作； 分类器模型训练：将特征降维后的数据输入到分类器中进行分类器模型的训练，采用基于随机跳变的极限学习机算法作为分类器模型，用以对特征降维后的数据进行分类；所述随机跳变策略通过采用动态调整机制和跳跃策略来提升极限学习机在高维特征下的鲁棒性，同时减少网络的冗余和过拟合，以此提高分类模型的表现； 具体的，基于随机跳变的极限学习机算法的训练流程如下： 步骤1，构建极限学习机分类器，所述极限学习机采用单隐层前馈神经网络架构，极限学习机分类器的基本原理表示为： 式中，是极限学习机的隐藏层的输出矩阵；是输出层的权重矩阵；是目标输出矩阵； 在训练极限学习机之前，需进行参数的初始化，初始化隐藏层的权重和偏置为随机初始化，且初始化的参数服从于均值为0、方差为单位矩阵的正态分布； 且极限学习机的隐层的输出的计算方式表示为： 式中，是极限学习机的输入数据；为Sigmoid激活函数；为极限学习机的权重；为极限学习机的偏置； 步骤2，在极限学习机的训练过程中，采用稀疏正则化项实现稀疏优化，损失函数的计算方式表示为： 式中，||||1是L1范数，用于实现权重的稀疏化；为极限学习机的稀疏正则化系数；||||为L2范数； 步骤3，在进行训练时，采用随机跳变的策略避免陷入局部最优解，通过随机选择某些权重项来进行改变，具体的，随机选择一部分权重矩阵的元素，并设定跳变概率，如果随机生成的数小于概率，则该权重项进行跳变； 步骤4，重复迭代上述步骤，直至满足预设的停止迭代条件，即表示模型训练完成；预设的停止迭代条件为达到预设的最大迭代次数，预设的最大迭代次数设置为1000次； 通过上述训练过程后，最终得到的极限学习机的输出为： 式中，是极限学习机的模型输出，对应不同的分类类别。

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浙江电子口岸有限公司，其通讯地址为：310000 浙江省杭州市拱墅区石桥路长城街22号301室；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”。