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！

龙图腾网获悉卓望数码技术(深圳)有限公司申请的专利一种网络安全智能决策体方法及系统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：CN119728305B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510228068.3，技术领域涉及：H04L9/40；该发明授权一种网络安全智能决策体方法及系统是由郑伟;袁胜设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种网络安全智能决策体方法及系统在说明书摘要公布了：本发明属于网络安全技术领域，具体涉及一种网络安全智能决策体方法及系统，通过分析体接收并分析网络中的日志、流量或告警信息，输出攻击行为特征；AI智能决策体基于分析体的输出，评估多种可能的防护策略的价值，选择最优策略；执行体根据AI智能决策体选定的策略，执行相应的响应动作。本方法引入了自动化和智能化元素，旨在全面优化事件响应流程。通过构建一个“指挥+AI智能决策+执行”的架构层次，能够自动分析网络中的日志、流量或告警信息，识别攻击行为特征，并基于这些信息评估多种可能的防护策略的价值，最终选择最优策略。这种方法不仅可以显著提升响应速度，还能确保决策的准确性和合理性，从而有效提高了网络安全防护的整体效能。

本发明授权一种网络安全智能决策体方法及系统在权利要求书中公布了：1.一种网络安全智能决策体方法，其特征在于，包括： 通过分析体接收并分析网络中的日志、流量或告警信息，识别并输出攻击行为特征，具体包括： 使用机器学习算法和关联分析技术进行攻击理解与溯源，构建攻击链模型； 构建攻击预测模型，通过变分自编码器对历史攻击数据x进行编码得到隐变量z的分布参数：均值和标准差，并利用重参数化技巧从标准正态分布N0,1中采样ε来间接地从中采样z； 解码器将隐变量z映射回原始数据空间，同时预测下一次攻击的属性y，采用最大化证据下界ELBO优化模型参数θ和φ，并结合预测误差构成最终损失函数L； 所述构建攻击预测模型，包括： 编码器输出隐变量z的分布参数如下： 重参数化过程如下： ~N0,1 解码器重构输入数据并预测下一次攻击的属性如下： 其中，是解码器的参数，和在给定的条件下是条件独立的，是编码器的参数，和是通过神经网络计算得到的； 通过AI智能决策体基于所述攻击行为特征，从多种防护策略中选择最优策略； 通过执行体根据所述最优策略，执行与所述最优策略对应的响应动作； 所述AI智能决策体是使用基于价值的决策模型，包括： 构建价值函数，量化动作在准则下的价值； 对于每个动作，计算对应的综合价值，考虑多个准则及其权重； 选择综合价值最高的动作作为最优决策； 所述综合价值计算模型，包括： ； 其中，m是准则的数量，是准则的权重，所有权重的和等于1； 所述选择综合价值最高的动作作为最优决策，包括： 其中，A表示备选动作集，表示最优动作，argmax用于找出使综合价值函数达到最大值的动作；表示动作是备选动作集A中的一个元素； 所述方法还包括：收集采取的动作以及动作后的结果数据；存储所述结果数据到经验回放缓冲区；应用策略梯度损失算法和价值网络损失算法更新模型参数； 所述策略梯度损失算法为： 其中，：用于衡量策略网络的性能；：期望操作符；：表示状态是从策略下的状态分布是一个由策略决定的状态分布；：表示动作是从参数为的策略网络中采样得到的，是一个以状态为输入，输出动作概率分布的函数；：策略网络在状态下选择动作的概率；：策略网络在状态下选择动作的概率的对数；：优势函数，用于衡量在状态下采取动作相对于平均水平的优势； 所述价值网络损失算法为： 其中，：价值网络损失算法，用于衡量价值网络的性能；：期望操作符，表示对随机变量取期望；：表示状态s、动作a、即时奖励r和下一状态s'是从经验回放缓冲区D中采样得到的，D是一个存储了智能体与环境交互历史的数据集，用于训练价值网络；：价值网络在状态s下的输出，表示对状态s价值的估计；：目标价值；：折扣因子，一个介于0和1之间的数。

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卓望数码技术(深圳)有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道高新区社区高新南七道015号深港产学研基地W601；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。