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！

龙图腾网获悉中检集团天帷网络安全技术(合肥)有限公司申请的专利结合迁移学习的多模态数据人工智能安全分类识别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：CN120546905B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510597137.8，技术领域涉及：H04L9/40；该发明授权结合迁移学习的多模态数据人工智能安全分类识别方法是由李佳;刘京;王雅莉;刘洋;许建锋设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本结合迁移学习的多模态数据人工智能安全分类识别方法在说明书摘要公布了：本发明涉及信息安全识别技术领域，具体公开了结合迁移学习的多模态数据人工智能安全分类识别方法，在构建多模态行为数据集的过程中，实时采集文件访问频率和网络连接频率，并分别通过快速傅里叶变换和K‑means聚类算法提取其波动特征值，用于评估系统面临的内部威胁与外部攻击风险，将两类特征融合为综合特征向量，作为输入构建基于支持向量机的迁移学习模型，实现对目标对象安全状态的智能识别，为提升识别准确性，系统引入比例‑积分‑微分控制机制，根据识别误差动态调整采样周期与检测粒度，形成闭环反馈优化结构，本发明实现了多源异构行为数据的有效整合、模型跨场景迁移与在线自适应调节，提升安全识别系统的智能化水平。

本发明授权结合迁移学习的多模态数据人工智能安全分类识别方法在权利要求书中公布了：1.结合迁移学习的多模态数据人工智能安全分类识别方法，其特征在于，包括以下步骤： S1：在构建多模态数据集的过程中，实时收集并监测文件访问频率和网络连接频率； S2：根据实时监测到的文件访问频率变化幅度，计算文件访问频率波动特征值，用于评估当前系统环境下的潜在内部威胁水平； S3：依据实时获取的网络连接频率变化情况，计算网络连接频率波动特征值，用于判断是否存在外部攻击行为； S4：对文件访问频率波动特征值和网络连接频率波动特征值进行综合分析，并根据分析结果，构建迁移学习模型，根据迁移学习模型判断安全识别的准确性； 所述对文件访问频率波动特征值和网络连接频率波动特征值进行综合分析，具体包括： 在构建多模态数据集的过程中，获取文件访问频率波动特征值和网络连接频率波动特征值，将文件访问频率波动特征值和网络连接频率波动特征值构建成综合特征向量，作为迁移学习模型的输入，以最小化预测安全识别分数与实际安全识别分数的误差，作为迁移学习模型的训练目标，根据训练好的迁移学习模型，输出安全识别分数，所述迁移学习模型为支持向量机模型； 所述迁移学习模型的训练过程为： 将通过分析文件访问频率和网络连接频率所提取的波动特征值构建成一个综合特征向量作为模型输入，其中综合特征向量包含文件访问频率波动特征值和网络连接频率波动特征值两个维度；采用支持向量机作为基础模型，使用已有的带标签数据对其进行训练，训练过程中以最小化预测的安全识别分数与实际标注的安全识别分数之间的误差为目标，通过核函数将输入特征映射到高维空间，并利用优化算法调整模型参数；在完成初步训练后，将训练好的模型作为源域模型迁移到新的应用场景中，结合新环境下的少量样本数据进行模型调整，包括调整核函数参数、更新支持向量和重新加权特征维度，使模型适应新的数据分布特征，并输出对应的安全识别分数； S5：若判断安全识别的不准确，则动态调整识别时的文件访问频率和网络连接频率； 所述若判断安全识别的不准确，则动态调整识别时的文件访问频率和网络连接频率，具体包括： 通过部署一个比例-积分-微分控制算法，以当前时刻迁移学习模型输出的安全识别分数与实际安全评分之间的差值的绝对值，记为误差值，将误差值作为输入信号，根据误差值计算控制变量，计算表达式为：；其中，表示比例增益，表示积分增益，表示微分增益，表示时间点，表示第个时间点的误差值，表示从时间点0到当前时间点内任意时刻的误差值，表示时间点0到当前时间点内任意时刻，表示时间点的控制变量，将控制变量转换为对文件访问频率采样周期和网络连接频率检测窗口大小的调整量，具体包括：当识别误差增大时，缩短文件访问频率的采样时间间隔，增加网络连接频率的检测频率。

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检集团天帷网络安全技术(合肥)有限公司，其通讯地址为：230022 安徽省合肥市高新区望江西路900号中安创谷科技园一期A1楼29层；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。