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！

龙图腾网获悉大连大学申请的专利一种基于降噪自编码核密度估计的网络安全态势评估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：CN114547608B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210108654.0，技术领域涉及：G06F21/56；该发明授权一种基于降噪自编码核密度估计的网络安全态势评估方法是由杜秀丽;陶帆;宋林凯;吕亚娜;邱少明设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本一种基于降噪自编码核密度估计的网络安全态势评估方法在说明书摘要公布了：本发明公开了一种基于降噪自编码核密度估计的网络安全态势评估方法，属于计算机网络安全领域，包括以下步骤：获取网络流数据作为态势数据；对所述态势数据进行预处理；对预处理后的态势数据按照比例划分出训练集数据和测试集数据；基于训练集数据构建降噪自编码网络及核密码估计模型；将测试集数据依次输入到降噪自编码网络及核密码估计模型中，得到网络流数据的威胁发生概率；基于网络流数据的威胁发生概率，对网络态势进行安全评估，确定网络安全态势的级别；利用降噪自编码网络处理冗余信息和非线性特征学习的能力对网络态势数据进行降维并提取态势潜藏特征，结合无参数估计的优势提出核密度估计对潜藏特征进行密度概率估计得到威胁发生概率。

本发明授权一种基于降噪自编码核密度估计的网络安全态势评估方法在权利要求书中公布了：1.一种基于降噪自编码核密度估计的网络安全态势评估方法，其特征在于，包括以下步骤： 获取网络流数据作为态势数据； 对所述态势数据进行预处理；对预处理后的态势数据按照比例划分出训练集数据和测试集数据； 基于训练集数据构建降噪自编码网络及核密度估计模型； 将测试集数据依次输入到降噪自编码网络及核密度估计模型中，得到网络流数据的威胁发生概率； 基于网络流数据的威胁发生概率，对网络态势进行安全评估，确定网络安全态势的级别； 基于训练集数据构建降噪自编码网络及核密度估计模型的过程如下：将训练集数据依次输入到降噪自编码网络中对降噪自编码网络进行训练，得到网络流数据的隐层特征；将网络流数据的隐层特征输入到核密度模型中，对核密度进行训练，构建降噪自编码网络及核密度估计模型，具体过程如下： 步骤1：设定最大训练次数； 步骤2：初始化降噪自编码网络的参数； 步骤3：将训练集数据输入到降噪自编码网络中，对输入数据依次进行以下计算： （1） （2） （3） 、、分别表示输入层数据、隐藏层数据、输出数据；表示之间的随机分布，为噪声因子；和分别表示编解码过程中的非线性激励函数；和是权重参数、和是偏置； 步骤4：利用重构误差计算公式计算重构误差； 步骤5：最小化重构误差；调整权重和偏置参数； 步骤6：判断训练计数值k是否大于设定的最大训练次数，如果大于，降噪自编网络的训练完成，否则k=k+1，将调整权重和偏置参数，返回步骤3； 步骤7：将训练数据再次输入到训练好的降噪自编码网络中并获取隐藏层特征数据； 步骤8：选取高斯函数作为核密度估计模型的核函数并设定其窗宽的值； 步骤9：将隐藏层特征数据作为输入通过核密度估计公式构建核密度估计模型，得到训练数据的概率密度分布； 选定降噪自编码网络的参数为：降噪自编码网络的输入神经元和输出神经元均为78个，隐含层神经元根据确定为9个，其中m为输入神经元个数，误差函数为均方误差函数，优化器为Adagrad，编码器及解码器的激励函数均为Sigmoid函数，学习率为0.01，迭代次数为100，batch为300，噪声因子为0.4，核密度估计模型的核函数为高斯函数，其参数窗宽根据为2.1213。

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大连大学，其通讯地址为：116622 辽宁省大连市金州新区学府大街10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”。