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！

龙图腾网获悉娄底职业技术学院申请的专利高校网络安全评估方法及装置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：CN121037080B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511268340.7，技术领域涉及：H04L9/40；该发明授权高校网络安全评估方法及装置是由邓明亮;王会设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本高校网络安全评估方法及装置在说明书摘要公布了：本申请提供一种高校网络安全评估方法及装置，涉及网络安全技术领域，解决了现有技术难以满足高校对网络安全管理和防控的需求的技术问题。该方法包括：采集高校各类网络平台的多模态数据；其中，网络平台包括官方网站、社交媒体平台、在线学习平台及校园论坛；多模态数据包括文本数据、图像数据及视频数据；对多模态数据进行多维度分析，输出多模态特征数据，将多模态特征数据输入评估模型，输出评估结果；评估模型为基于机器学习算法构建的模型，且评估模型的网络参数及特征融合权重通过强化学习机制，以实时采集数据的预测偏差和评估修正信息进行动态调整。本申请用于网络安全评估过程中。

本发明授权高校网络安全评估方法及装置在权利要求书中公布了：1.一种高校网络安全评估方法，其特征在于，包括： 采集高校各类网络平台的多模态数据；其中，所述网络平台包括官方网站、社交媒体平台、在线学习平台及校园论坛；所述多模态数据包括文本数据、图像数据及视频数据； 对所述多模态数据进行多维度分析，输出多模态特征数据，其中，所述多模态特征数据包括文本特征、图像特征以及视频特征；所述文本特征基于自然语言处理技术对所述文本数据分析提取得到；所述图像特征基于采用深度学习的图像识别技术对所述图像数据分析提取得到；所述视频特征基于语音识别和图像序列分析技术对视频数据进行分析提取得到； 将所述多模态特征数据输入评估模型，输出评估结果；所述评估模型为基于机器学习算法构建的模型，且所述评估模型的网络参数及特征融合权重通过强化学习机制，以实时采集数据的预测偏差和评估修正信息进行动态调整； 所述评估模型包括特征输入层、特征融合层、分类评估层及动态调整层； 所述特征输入层用于接收所述多模态特征数据； 所述特征融合层包括卷积神经网络层、循环神经网络层以及标准化层；所述卷积神经网络层用于对图像特征以及视频特征中的关键帧特征进行空间特征提取，所述循环神经网络层用于基于自注意力权重对文本特征以及图像数据和视频数据转换得到的文本特征进行时序特征提取；所述标准化层用于基于标准化系数对所述卷积神经网络层以及所述循环神经网络层输出的特征进行维度统一和标准化处理，生成融合特征； 所述分类评估层用于对融合特征进行特征映射分类，输出评估结果；所述评估结果包括安全风险等级、风险类型以及风险置信度； 所述动态调整层用于基于强化学习机制，将所述预测偏差和评估修正信息作为奖励信号，调整所述分类评估层的网络参数、特征融合层的自注意力权重以及标准化系数； 所述动态调整层具体用于： 基于实时采集的所述评估模型输出的评估结果与实际安全事件的预测偏差数据，生成偏差数据集，并将接收到的所述评估结果的修正意见作为评估修正信息； 以所述偏差数据集的偏差值和所述评估修正信息的修正权重为强化学习的奖励信号，计算奖励值； 根据所述奖励值通过梯度下降算法调整所述分类评估层的网络参数，同时更新所述特征融合层的自注意力权重以及标准化系数； 所述评估模型通过以下方式训练： 基于历史多模态特征数据及标注的评估结果构建训练数据集，所述评估结果的标注信息包括风险等级标签、风险类型标签及风险影响范围标签； 通过有监督学习方式，以交叉熵损失函数计算预测结果与标注结果的偏差，通过反向传播算法优化所述评估模型的模型参数； 通过生成对抗网络的生成器在所述历史多模态特征数据中添加定向扰动数据生成对抗样本，将所述对抗样本与所述历史多模态特征数据按预设比例混合形成增强训练集，基于所述增强训练集重新计算损失函数并更新模型参数。

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娄底职业技术学院，其通讯地址为：417000 湖南省娄底市娄星区月塘街727号；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。