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！

龙图腾网获悉浙江工业大学台州研究院申请的专利一种基于深度学习与文本分析的安全警报误报识别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：CN119341792B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411376735.4，技术领域涉及：H04L9/40；该发明授权一种基于深度学习与文本分析的安全警报误报识别方法是由孙浩飞;朱添田设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于深度学习与文本分析的安全警报误报识别方法在说明书摘要公布了：本发明公开了一种基于深度学习与文本分析的安全警报误报识别方法，1数据采集与处理阶段；2通过提取日志的多维特征，利用循环神经网络RNN检测网络攻击事件；3基于Word2Vec和Transformer的文本分析检测网络安全事件误报；4异常结果反馈，本发明通过特征提取和RNN模型设计，特别是采用LSTM单元处理时间依赖性，提高了模型对安全事件的识别能力，这种方法不依赖于传统的基于签名的检测，减少了对误报的依赖；结合基于Word2Vec和Transformer的文本分析技术，深入挖掘警报内容中的语义信息，显著提升了误报识别的准确性，并通过异常结果反馈给运维人员，提供了更为高效和准确的网络安全防护解决方案。

本发明授权一种基于深度学习与文本分析的安全警报误报识别方法在权利要求书中公布了：1.一种基于深度学习与文本分析的安全警报误报识别方法，其特征在于，包括如下步骤： 1数据采集与处理阶段：从相关数据源中收集网络流量、安全事件和系统调用日志，利用Logstash进行数据整合、清洗和标准化，去除无效数据，转化为统一的JSON格式，得到结构化数据集； 2通过提取日志的多维特征，利用循环神经网络RNN检测网络攻击事件：通过详尽审查数据集提取关键字段，构建特征向量，并设计RNN模型利用LSTM单元学习时间依赖性，通过特征编码和归一化处理优化模型训练，使得模型利用大量的正常行为来识别出异常行为；正常行为是指网络系统中预期的、符合常规模式的活动，不会导致安全问题或威胁；异常行为是指偏离正常行为的活动，会导致安全问题或威胁； 3基于Word2Vec和Transformer的文本分析检测网络安全事件误报：结合Word2Vec和Transformer模型，进行文本分析，通过对RNN模型检测结果进行分词、编码并使用自注意力机制对网络流量数据包内容进行分析，以识别和提取特征，并训练基于Transformer的分类器，以识别并减少安全警报中的误报； 4异常结果反馈：将经过步骤2深度学习和步骤3文本分析的异常检测结果反馈给运维人员，人为区分良性和异常警报，指导进一步的评估和处理，从而优化网络安全防护体系的性能。

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浙江工业大学台州研究院，其通讯地址为：318057 浙江省台州市椒江区滨海工业区海丰路2479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。