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！

龙图腾网获悉北京邮电大学申请的专利一种基于Transformer的网络安全告警降噪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：CN119449581B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411787993.1，技术领域涉及：H04L41/0631；该发明授权一种基于Transformer的网络安全告警降噪方法是由辛阳;李纯权;姚良威;樊鹏飞;陈鹏设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种基于Transformer的网络安全告警降噪方法在说明书摘要公布了：本申请实施例提供一种基于Transformer的网络安全告警降噪方法，所述方法包括：获取告警数据，其中，所述的告警数据是由安全设备实时生成的；将所述告警数据输入目标真实告警识别模型，并通过所述目标真实告警识别模型确认所述告警数据是否属于真实告警，其中，所述目标真实告警识别模型包括输入层、特征量化层、目标模型处理层以及输出层，所述特征量化层至少被配置为采用Transformer编码器对从HTTP请求和响应内容中获取的依赖关系和交互信息进行编码。本申请的实施例提供的特征化处理大大提高了模型对告警数据的理解和表示能力，使得模型在分类告警时能够更加准确地区分真实告警和误报告警，降低了误报率。

本发明授权一种基于Transformer的网络安全告警降噪方法在权利要求书中公布了：1.一种基于Transformer的网络安全告警降噪方法，其特征在于，所述方法包括： 获取告警数据，其中，所述的告警数据是由安全设备实时生成的； 将所述告警数据输入目标真实告警识别模型，并通过所述目标真实告警识别模型确认所述告警数据是否属于真实告警，其中，所述目标真实告警识别模型包括输入层、特征量化层、目标模型处理层以及输出层，所述特征量化层至少被配置为采用Transformer编码器对从HTTP请求和响应内容中获取的依赖关系和交互信息进行编码； 所述通过所述目标真实告警识别模型确认所述告警数据是否属于真实告警，包括： 通过所述输入层对所述告警数据进行预处理； 通过所述特征量化层将预处理后的数据进行量化处理得到特征向量； 通过所述模型处理层和所述特征向量计算针对所述告警数据的真实性估算值； 通过所述输出层输出所述真实性估算值； 所述输入层包括： 第一类信息输入模块，被配置为将所述告警数据携带的第一类数据输入对应的编码模块； 第二类信息输入模块，被配置为将所述告警数据携带的第二类数据输入对应的编码模块； 第三类信息输入模块，被配置为将所述告警数据携带的第三类数据输入对应的编码模块； 第四类信息输入模块，被配置为将所述告警数据携带的第四类数据输入对应的编码模块； 所述特征量化层，包括： 第一编码模块，被配置为与所述第一类信息输入模块的输出端连接，并采用Word2Vec模型对所述第一类数据进行编码处理，得到第一特征码； 第二编码模块，被配置为与所述第二类信息输入模块的输出端连接，并采用独热编码模型对所述第二类数据进行编码处理，得到第二特征码； 第三编码模块，被配置为与所述第三类信息输入模块的输出端连接，并采用标签嵌入模型对所述第三类数据进行编码处理，得到第三特征码； 第四编码模块，被配置为与所述第四类信息输入模块的输出端连接，并通过提取所述第四类信息的统计特征对所述第四类数据进行编码处理，得到第四特征码； 第五编码模块，被配置为与所述第四类信息输入模块的输出端连接，并至少通过Word2Vec模型和Transformer编码器对所述第四类数据进行编码处理，得到第五特征码； 所述目标模型处理层，包括： 第一处理单元，被配置为依次通过第一全连接层、第一归一化处理层、激活函数以及防过拟合算法对输入的第一拼接向量进行处理，得到第一待拼接向量，其中，所述第一拼接向量是通过拼接所述第一特征码、所述第三特征码、所述第四特征码以及预处理后的第二特征码得到的，所述预处理包括一维卷积和归一化处理； 第二处理单元，被配置为依次通过第二全连接层、第二归一化处理层、激活函数以及防过拟合算法对所述第五特征码进行处理，得到第二待拼接向量； 第三处理单元，被配置为依次通过第三全连接层、第三归一化处理层、激活函数以及防过拟合算法对输入的目标拼接向量进行处理，得到本次的告警真实性评估结果，其中，所述目标拼接向量是通过拼接所述第一待拼接向量和所述第二待拼接向量得到的； 在所述将所述告警数据输入真实告警识别模型之前，所述方法还包括：对模型处理层进行训练得到所述目标模型处理层； 其中，所述对模型处理层进行训练得到所述目标模型处理层，包括： 采集历史告警数据，其中，所述历史告警数据包括攻击名称、HTTP请求和响应内容； 将所述历史告警数据分别标记为误报和非误报两种类型，作为标签数据； 采用所述特征量化层对所述历史告警数据进行量化处理，得到特征向量； 采用所述模型处理层和所述特征向量得到针对所述历史告警数据的真实性评估结果； 采用损失函数确定所述真实性评估结果与对应的标签数据之间的差异得到损失值，并根据所述损失值确定是否继续训练。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路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”。

以上内容由龙图腾AI智能生成。