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！

龙图腾网获悉太原理工大学申请的专利一种多源信息融合的物理熵源安全性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：CN119903520B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411887979.9，技术领域涉及：G06F21/57；该发明授权一种多源信息融合的物理熵源安全性评估方法是由张建国;问文浩;李静霞;郭煜靖设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种多源信息融合的物理熵源安全性评估方法在说明书摘要公布了：本发明属于信息安全和随机数发生器技术领域，旨在解决传统的最小熵估计方法没有考虑环境因素等多源数据对物理熵源随机数质量影响的问题。提供了一种多源信息融合的物理熵源安全性评估方法，包括以下步骤：获取物理熵源数据并进行处理，得到多源融合数据集；通过变分自编码器网络对所述多源融合数据集进行特征提取，输出潜在表示作为特征提取后的数据；将划分为测试集的潜在表示输入已验证的混合深度学习神经网络模型，得到物理熵源的预测结果；基于预测结果计算全局预测概率和局部预测概率；基于全局预测概率和局部预测概率获得最小熵评估结果；基于最小熵评估结果判断物理熵源的安全性。本发明可以提高现有物理熵源评估准确性低的问题。

本发明授权一种多源信息融合的物理熵源安全性评估方法在权利要求书中公布了：1.一种多源信息融合的物理熵源安全性评估方法，其特征在于，包括以下步骤： 获取物理熵源数据并进行处理，得到多源融合数据集；所述物理熵源数据包括物理熵源的外界温度、供电电压和输出随机数序列的原始数据； 通过变分自编码器网络对所述多源融合数据集进行特征提取，输出潜在表示作为特征提取后的数据，并将潜在表示划分为训练集、验证集和测试集；变分自编码器网络包括编码器和解码器，变分自编码器网络采用LSTM网络进行训练，损失函数为交叉熵损失和KL散度的线性组合；变分自编码器网络输出的潜在表示中包括特征提取后的物理熵源的外界温度、供电电压和输出随机数序列； 搭建初始的混合深度学习神经网络模型，基于划分为训练集、验证集的潜在表示对模型进行训练和验证；混合深度学习神经网络模型包括CNN网络、LSTM网络、TPA注意力机制层和全连接网络；其中CNN网络包括CNN层，输入序列进入该CNN层进行空间尺度的特征提取；LSTM网络包括LSTM层，LSTM层输出对应于输入序列中每个时间步长的隐藏状态；TPA注意力机制层包括CNN层和评估得分函数，用于长序列的时间序列分析；全连接网络通过Softmax激活函数，得到对应的输出概率；CNN网络的CNN层的输出端与LSTM网络的LSTM层的输入端连接，LSTM网络的LSTM层的输出端与TPA注意力机制层的输入端连接，TPA注意力机制层的输出端与全连接网络的输入端连接；变分自编码器网络输出的潜在表示中每10个连续相邻数字作为一组序列，相邻的两组序列中的前一组作为混合深度学习神经网络模型的输入序列，后一组作为前一组在混合深度学习神经网络模型中的输出预测，对混合深度学习神经网络模型进行训练和验证；将划分为测试集的潜在表示输入已验证的混合深度学习神经网络模型，得到物理熵源的预测结果； 基于预测结果计算全局预测概率和局部预测概率； 基于全局预测概率和局部预测概率获得最小熵评估结果； 基于最小熵评估结果判断物理熵源的安全性。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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。