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！

龙图腾网获悉北京信息科技大学申请的专利一种基于CNN-LSTM算法的内部威胁检测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：CN119814433B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411951215.1，技术领域涉及：H04L9/40；该发明授权一种基于CNN-LSTM算法的内部威胁检测方法是由易军凯;杨梦华;谭玲玲设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于CNN-LSTM算法的内部威胁检测方法在说明书摘要公布了：本发明公开了一种基于CNN‑LSTM算法的内部威胁检测方法，涉及网络信息安全领域，包括：获取用户行为数据，并预处理得到用户的行为特征序列；将行为特征序列输入训练好的CNN‑LSTM模型，输出威胁行为检测结果；CNN‑LSTM模型包括依次连接的输入层、CNN层、LSTM层和输出层；CNN层对输入的行为特征序列进行局部特征提取，并输出至LSTM层；LSTM层对输入的特征图进行时间维度特征提取，并将最终时间步的隐藏状态输入输出层；输出层为全连接层，通过线性变换输出威胁行为检测结果。本发明能够有效提高信息安全和数据资产保护中，内部威胁的检测效率和精度，从而提高企业信息数据的安全性。

本发明授权一种基于CNN-LSTM算法的内部威胁检测方法在权利要求书中公布了：1.一种基于CNN-LSTM算法的内部威胁检测方法，其特征在于，具体步骤如下： 获取用户行为数据，并预处理得到用户的行为特征序列； 将所述行为特征序列输入训练好的CNN-LSTM模型，输出威胁行为检测结果； 所述CNN-LSTM模型包括依次连接的输入层、CNN层、LSTM层和输出层；所述CNN层对输入的所述行为特征序列进行局部特征提取，并输出至LSTM层；所述LSTM层对输入的特征图进行时间维度特征提取，并将最终时间步的隐藏状态输入所述输出层；所述输出层为全连接层，通过线性变换输出威胁行为检测结果； 所述行为特征序列数据形状为{N,T,n}，其中N为批量大小，T为时间步长，n为特征的数量；用户一天的操作行为特征表示为其中，S＝{1,2,3,...,g}表示用户内部人员集，g为内部员工总数； 所述CNN层中对输入的行为特征进行卷积操作，卷积核的输出为： 其中，Hit表示卷积层第i个卷积核在时间步t的输出，j表示时间步的偏移量，l表示特征的维度索引，k表示卷积核的大小，Wij,l表示卷积核的权重，Xt+j-1,l表示输入数据的特征值，bi表示卷积核的偏置项； 对于第i个卷积核的权重和偏置在时间步t上生成的特征图形状为{N,T-n+1}，卷积层输出特征图形状为{N,T-n+1,F}，其中F为卷积核总数； 对卷积层输出的特征使用最大池化进行降维处理，得到CNN层的最终输出，输出公式为： Hpoolt＝maxHt,Ht+1,…,Ht+p-1； 其中，Hpoolt表示池化操作在时间步t上的输出，Ht表示卷积层时间步t的输出，p表示池化窗口的大小；池化后的输出形状为

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北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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。