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！

龙图腾网获悉南京博晟宇网络科技有限公司申请的专利风险APP动态行为轨迹无监督智能异常检测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：CN121350934B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511923516.8，技术领域涉及：G06F18/2433；该发明授权风险APP动态行为轨迹无监督智能异常检测方法是由阮宝江;刘晶;王飞;蒋丹设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本风险APP动态行为轨迹无监督智能异常检测方法在说明书摘要公布了：本发明涉及人工智能技术领域，公开了风险APP动态行为轨迹无监督智能异常检测方法，包括：首先获取跨应用程序触发事件与响应事件，并通过事件时间规范化处理消除不同设备和应用的时钟差异；其次，基于规范化后的事件时间提取触发与响应间的滞后时间差样本，计算多尺度滞后分布形态特征，以刻画跨应用间行为反应的时序模式；最后，对待检测数据重复上述步骤，得到多尺度滞后分布形态特征序列，输入训练完成的无监督时序重构模型，通过计算重构误差实现对行为轨迹异常性的度量，并依据重构误差计算风险概率，从而实现无标注条件下的跨应用动态行为风险检测。

本发明授权风险APP动态行为轨迹无监督智能异常检测方法在权利要求书中公布了：1.风险APP动态行为轨迹无监督智能异常检测方法，其特征在于，包括： S1，获取跨APP触发事件与跨APP响应事件，对跨APP触发事件和跨APP响应事件进行事件时间规范化处理，得到规范化后的事件时间； S2，基于规范化后的事件时间，提取跨APP触发响应的滞后时间差样本；根据滞后时间差样本，计算多尺度滞后分布形态特征； S3，获取待检测的跨APP触发响应事件，重复S1和S2得到对应的多尺度滞后分布形态特征序列，输入至训练完成的无监督时序重构模型，计算多尺度滞后分布形态特征序列的重构误差，包括： 滞后时间差样本集合由多个单个滞后时间差组成； 定义计数函数为：求集合元素个数； 设定尺度下限、尺度倍率和尺度个数，其中尺度倍率大于一； 构建尺度集合，包括：对于从1到尺度个数的每个整数m，将尺度下限乘以尺度倍率的目标次方，得到的结果作为尺度集合中的第m个元素；将滞后时间差样本集合中的所有单个滞后时间差按升序排列；其中，目标次方为m-1次方； 用计数函数对滞后时间差样本集合进行计算，得到样本个数； 对于尺度集合中的每个元素，计算经验浓缩函数值，包括：对于排序后的每个单个滞后时间差，以该单个滞后时间差为起点、以当前尺度元素为长度确定连续区间，用计数函数计算该区间内包含的滞后时间差样本的个数，将该个数除以样本个数，得到该起点对应的比例； 取所有起点对应的比例中的最大值，作为当前尺度元素对应的经验浓缩函数值； 设定第一尺度区间和第二尺度区间，第一尺度区间具有第一下限和第一上限，第二尺度区间具有第二下限和第二上限； 在第一尺度区间内，取所有前一个尺度元素小于后一个尺度元素的有序对；对于每个有序对，计算自然对数的后一个尺度元素对应的经验浓缩函数值减去自然对数的前一个尺度元素对应的经验浓缩函数值，再除以自然对数的后一个尺度元素减去自然对数的前一个尺度元素，得到第一斜率集合中的一个元素； 用中位数函数对第一斜率集合进行计算，得到第一尺度斜率； 在第二尺度区间内，取所有前一个尺度元素小于后一个尺度元素的有序对；对于每个有序对，计算自然对数的后一个尺度元素对应的经验浓缩函数值减去自然对数的前一个尺度元素对应的经验浓缩函数值，再除以自然对数的后一个尺度元素减去自然对数的前一个尺度元素，得到第二斜率集合中的一个元素； 用中位数函数对第二斜率集合进行计算，得到第二尺度斜率； 计算多尺度滞后分布形态特征，包括：用第一尺度斜率除以第二尺度斜率； 基于重构误差计算风险概率。

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南京博晟宇网络科技有限公司，其通讯地址为：211102 江苏省南京市江宁区秣陵街道吉印大道3118号31幢(江宁开发区)；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。