Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京云智信安科技有限公司张乾坤获国家专利权

北京云智信安科技有限公司张乾坤获国家专利权

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!

龙图腾网获悉北京云智信安科技有限公司申请的专利一种基于人工智能的网络安全管理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:CN120498808B

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:202510699476.7,技术领域涉及:H04L9/40;该发明授权一种基于人工智能的网络安全管理方法及系统是由张乾坤;陈永枫;郝瑶果;余跃;王伟博;张楠;彭铭设计研发完成,并于2025-05-28向国家知识产权局提交的专利申请。

一种基于人工智能的网络安全管理方法及系统在说明书摘要公布了:本发明公开了一种基于人工智能的网络安全管理方法及系统,内容包括构建训练数据集、行为模式建模、网络异常检测和智能决策。本发明涉及网络安全技术领域,具体是指一种基于人工智能的网络安全管理方法及系统,本方案通过构建融合卷积神经网络与循环神经网络的时序行为建模框架,提取用户与设备的行为模式特征;采用对抗生成网络生成多样化攻击样本;结合自监督学习和注意力机制实现多模态异常检测;基于改进的深度强化学习策略优化的决策模型,实现对安全事件的响应策略动态生成与自动调整;有效提升网络入侵检测系统的准确性与鲁棒性,并具备良好的可扩展性与实时性,适用于复杂多变的网络安全防护场景。

本发明授权一种基于人工智能的网络安全管理方法及系统在权利要求书中公布了:1.一种基于人工智能的网络安全管理方法,其特征在于,该方法包括以下步骤: 步骤S1:构建数据集,采集网络流量数据、系统日志数据和用户行为数据并生成数据集; 步骤S2:行为模式建模,在时序数据上融合多层卷积神经网络与循环神经网络,对局部与全局特征进行联合提取,构造自适应基线并动态计算行为偏差与风险指数; 步骤S21:混合特征提取,构造一个由卷积神经网络与循环神经网络组成的改进模型,在时序数据上提取局部特征并捕捉全局时间依赖,形成行为特征表示,具体包括以下步骤: 步骤S211:输入表示,第t个时间步的原始数据表示为:;其中,t表示时间步的索引; 步骤S212:卷积特征提取,采用多层卷积操作提取局部特征,对输入数据局部区域的特征进行提取,表示如下: ; 其中,l表示卷积层的层数索引,表示第l层卷积层在第t个时间步提取的局部特征,表示带泄漏线性整流函数,i表示卷积核的索引,k表示卷积核的大小,表示第l层卷积层的第i个卷积核权重,表示第t+i个时间步的原始数据,表示第l层的卷积偏置; 步骤S213:时序建模,将卷积神经网络提取的特征序列输入循环神经网络中,捕获时间依赖关系,完成从局部特征到全局时序特征的转化,表示如下: ; 其中,表示第t个时间步的行为特征向量,表示双曲正切函数,和表示时序调节权重,表示第t-1个时间步的行为特征向量,表示卷积神经网络提取的特征,表示时序调节偏置; 步骤S214:构造自适应基线,引入历史行为统计构造自适应基线,计算当前状态与基线之间的行为特征偏差,表示如下: ; 其中,表示基线范围因子,取值范围为[10,30];用于确定历史行为特征向量的滑动窗口大小;表示第t个时间步的自适应基线,通过计算第t个时间步的过去个时间步的行为特征向量的平均值而得;j表示时间步的索引,表示第j个时间步的行为特征向量,表示第t个时间步的行为特征偏差,表示取模; 步骤S3:网络异常检测,通过网络攻击模拟、自监督异常分类和多模态融合判别来进行网络异常检测; 步骤S31:网络攻击模拟,采用生成对抗网络生成潜在网络攻击场景数据,构造了对抗性训练框架,具体包括以下步骤: 步骤S311:构建目标函数,将随机噪声作为生成器输入,生成器G输出合成行为样本,鉴别器D对输入样本进行真实性判断,输出样本为真实样本的概率,整个对抗过程以下面的目标函数进行训练: ; 其中,表示对抗损失函数,表示生成器最小化对抗损失函数的同时鉴别器最大化对抗损失函数,表示取期望,表示真实数据分布,表示从真实数据中采样的数据,表示鉴别器对数据Y的判别结果,表示对数函数,c表示噪声因子,取值范围为[0.5,2.0];表示服从均值为0,方差为c的正态分布,表示随机噪声,表示生成器利用随机噪声q作为输入生成的数据,表示辅助正则系数,取值范围为[1.0,10.0];表示从真实数据与生成数据间均匀采样的插值样本,表示鉴别器对数据的判别结果,表示鉴别器输出对输入数据的梯度; 步骤S312:充实模型异常样本库,利用生成器来生成网络攻击模拟样本,增添网络攻击场景数据; 步骤S4:智能决策,通过引入融合检测分数与风险指数的决策状态建模,构建多维响应的动作空间,并基于改进的DQN网络实现强化学习驱动的响应策略选择。

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云智信安科技有限公司,其通讯地址为:100071 北京市丰台区西三环南路14号院1号楼12层1205-1206室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。