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！

龙图腾网获悉电子科技大学申请的专利一种基于知识增强神经网络智能模型恶意样本分析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：CN120408621B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510906655.3，技术领域涉及：G06F21/56；该发明授权一种基于知识增强神经网络智能模型恶意样本分析方法是由侯文静;文红;茅俊涛;罗文骏;王永丰;陈宇政设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于知识增强神经网络智能模型恶意样本分析方法在说明书摘要公布了：本发明公开了人工智能模型框架下一种基于知识增强神经网络智能模型恶意样本分析方法，属于人工智能安全技术领域。该方法通过知识增强得到了更有意义的原始特征，在对恶意样本进行分析识别时，使用改进的BP神经网络算法减少对训练样本量的需求。本发明在融合语义特征与句法特征的基础上，全面刻画文本特性，利用欧几里得距离构建异常检测指标，进一步提升对异常样本的敏感度。通过引入外部知识图谱丰富特征维度，为恶意样本检测提供更全面的信息支撑。在大模型的预训练阶段引入知识图谱，增强模型的先验知识，使模型更快收敛，进一步提升检测效率。

本发明授权一种基于知识增强神经网络智能模型恶意样本分析方法在权利要求书中公布了：1.一种基于知识增强神经网络智能模型恶意样本分析方法，其特征在于，所述方法包括以下步骤： 步骤S1：收集大量的数据样本，包括已知的恶意样本集合和正常样本集合，使用预训练语言模型BERT对收集的数据样本进行语义特征提取，选择标记对应的向量作为语义特征向量； 步骤S2：使用依存句法分析对收集的数据样本进行句法特征提取，计算依存关系类型的频率分布，将频率值组成行统计特征向量，归一化之后得到句法特征向量； 步骤S3：通过计算数据样本的特征向量与每个正常样本集合的特征向量的欧几里得距离，构建异常检测指标向量； 步骤S4：引入外部知识图谱，将步骤S1中提取的语义特征向量进行增强处理；从知识图谱中查询与样本特征相关的实体和关系，基于查询结果生成知识增强特征向量，将语义特征向量，句法特征向量，异常检测指标向量与知识增强特征向量拼接，生成综合特征向量； 步骤S5：构建双层BP神经网络模型，双层BP神经网络模型输入为归一化之后的综合特征向量，包含语义特征、句法特征、异常检测指标以及知识增强特征，每层神经元数量根据输入特征维度调整，激活函数采用ReLU，输出层使用softmax函数预测样本为恶意的概率，采用交叉熵损失函数和Adam优化算法，优化网络参数，预训练语言模型BERT与双层BP神经网络模型构成最终的知识增强恶意样本检测模型； 步骤S6：采集待检测文本并输入知识增强恶意样本检测模型，输出恶意检测结果。

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，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”。