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！

龙图腾网获悉中移(苏州)软件技术有限公司;中国移动通信集团有限公司申请的专利一种基于零样本学习的入侵检测方法、系统、设备和介质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：CN120850302B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511350211.2，技术领域涉及：G06F21/57；该发明授权一种基于零样本学习的入侵检测方法、系统、设备和介质是由黄江州;王浩硕;柴倩设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种基于零样本学习的入侵检测方法、系统、设备和介质在说明书摘要公布了：本发明公开了一种基于零样本学习的入侵检测方法、系统、设备和介质，其从多源原始数据中提取已知入侵类别特征，生成训练样本集；构建隐藏层设置有耦合自编码器的零样本学习模型，所述零样本学习模型通过基于词向量的入侵场景知识图谱建立特征空间与语义空间的映射；耦合自编码器包括联合学习的已知入侵类别自编码器和未知入侵类别自编码器；采用训练样本集对零样本学习模型进行训练，学习已知入侵类别特征与词向量的映射逻辑，并将映射逻辑迁移至未知入侵类别语义空间；将实时数据输入至训练后的零样本学习模型中，得到实时数据的入侵类别。采用本发明实施例，能够适应不同类型和变化的入侵行为，缓解样本发布发散问题，提升检测精度。

本发明授权一种基于零样本学习的入侵检测方法、系统、设备和介质在权利要求书中公布了：1.一种基于零样本学习的入侵检测方法，其特征在于，包括： 根据已知入侵类别，采集多源原始数据，从所述多源原始数据中提取已知入侵类别特征，生成训练样本集； 构建零样本学习模型，所述零样本学习模型通过基于词向量的入侵场景知识图谱建立特征空间与语义空间的映射；所述零样本学习模型的隐藏层设置有耦合自编码器；所述耦合自编码器包括联合学习的已知入侵类别自编码器和未知入侵类别自编码器； 采用所述训练样本集对所述零样本学习模型进行训练，学习所述已知入侵类别特征与所述词向量的映射逻辑，并将所述映射逻辑迁移至未知入侵类别语义空间； 将实时数据输入至训练后的零样本学习模型中，得到所述实时数据的入侵类别； 所述零样本学习模型通过基于词向量的入侵场景知识图谱建立特征空间与语义空间的映射，包括： 建立标签集合，形成标签空间；所述标签集合中的标签与入侵类别绑定； 根据通用知识图谱和所述标签集合，建立以词向量为节点属性的入侵场景知识图谱，形成语义空间； 构建特征提取模块，用于提取输入数据的攻击特征，形成特征空间； 根据所述入侵场景知识图谱，建立图卷积神经网络，以将所述特征空间映射至所述语义空间，并输出语义类别权重矩阵；所述语义类别权重矩阵为输入数据与各入侵类别的语义关联强度； 构建分类器，以根据所述语义类别权重矩阵输出入侵类别的分类结果； 根据所述标签集合、所述入侵场景知识图谱、所述特征提取模块、所述图卷积神经网络和所述分类器，得到零样本学习模型； 所述采用所述训练样本集对所述零样本学习模型进行训练，学习所述已知入侵类别特征与所述词向量的映射逻辑，并将所述映射逻辑迁移至未知入侵类别语义空间，包括： 将所述训练样本集输入至构建的零样本学习模型中，基于所述入侵场景知识图谱，学习所述已知入侵类别特征与所述词向量的映射逻辑，并得到入侵场景知识图谱中节点的语义关联性； 根据所述语义关联性，将所述映射逻辑迁移至对未知入侵类别，以使得训练后的所述零样本学习模型能够对输入数据进行语义空间映射，实现入侵类别的分类。

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中移(苏州)软件技术有限公司;中国移动通信集团有限公司，其通讯地址为：215163 江苏省苏州市高新区昆仑山路58号1幢中移软件园；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。