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！

龙图腾网获悉广州鹏捷科技股份有限公司申请的专利一种基于人工智能的云数据异常检测与安全响应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：CN120614208B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511097456.9，技术领域涉及：H04L9/40；该发明授权一种基于人工智能的云数据异常检测与安全响应系统是由高世龙;范年丰;凌翔;彭大为;李海涛;陈建明;黄凌云;银琳;陈楚洽;谢锦逵;吴耀光;陈辉强;幸国;林逸航设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本一种基于人工智能的云数据异常检测与安全响应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云数据异常检测与安全响应系统，涉及数据处理技术领域，解决了首先，难以采用增量式压缩算法存储并预处理多源异构数据；其次，难以融合统计分析与深度学习模型，定位离群点、解析非结构化数据中的异常语义，进而难以有效预测潜在攻击路径；接着，难以在保障数据安全与可追溯的前提下，实现跨节点异常的关联分析以识别分布式攻击；最后，难以构建攻防对抗模型进行安全响应，且难以评估安全响应效果的技术问题。本发明通过自适应探针集群等处理云环境数据，融合多模型生成异常检测特征并预测攻击路径，借联邦学习等协同检测，用强化学习和数字孪生进行响应并评估。

本发明授权一种基于人工智能的云数据异常检测与安全响应系统在权利要求书中公布了：1.一种基于人工智能的云数据异常检测与安全响应系统，其特征在于，包括以下模块： 感知数据采集与处理模块：通过自适应探针集群实时捕获云环境中多源异构数据；采用增量式压缩算法存储并预处理； 数据分析模块：融合统计分析与深度学习模型，通过孤立森林算法定位离群点；利用BERT模型解析非结构化数据中的异常语义，生成多维度异常特征向量和异常检测特征集；利用异常检测特征集结合图神经网络模型，预测潜在攻击路径； 联邦协同异常检测模块：基于异常检测特征集，通过联邦学习架构结合差分隐私和区块链保障安全可追溯，同时关联分析跨节点异常以识别分布式攻击； 安全响应模块：构建深度强化学习，并采用博弈论构建攻防对抗模型，进行安全响应；部署数字孪生验证，通过反事实推理评估安全响应效果； 利用BERT模型解析非结构化数据中的异常语义，生成多维度异常特征向量和异常检测特征集，包括以下步骤： 将云环境中多源异构数据的非结构化数据，进行语义单元分割； 采用预训练BERT模型，输入分割后的文本片段获取上下文感知的词嵌入向量，提取语义特征； 基于语义依存分析构建实体关系图，识别日志中的关键实体和交互关系； 计算图中节点中心度与边权重，结合BERT输出的语义向量，生成包含实体特征、语义关联度、异常概率的多维度特征向量； 归一化处理多维度特征向量，并与结构化数据的离群特征融合，形成异常检测特征集； 利用异常检测特征集结合图神经网络模型，预测潜在攻击路径，包括以下步骤： 收集异常检测特征集、对应的攻击事件和攻击路径信息，以及历史攻击事件记录、已知攻击路径模式历史数据； 对异常检测特征集中的离群特征和多维度异常特征向量进行时序关联分析，按时间戳排序并划分时间窗口，构建含时间衰减因子的异常事件时序序列，将其向量化处理； 将时序异常特征向量与实体关系图融合，图神经网络节点定义为识别的关键实体，边初始权重基于语义关联度与异常分数动态计算，权重值公式为：；其中，是异常分数，是语义关联度；是调节系数； 将每个时间窗口内的实体特征向量与结构化离群特征作为节点属性输入图神经网络模型；通过图神经网络图卷积层与注意力机制，学习实体时序协同异常模式； 将历史攻击路径中实体的时序交互序列为标签训练模型，输出每个时间窗口内攻击路径的概率分布和路径置信度。

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广州鹏捷科技股份有限公司，其通讯地址为：510627 广东省广州市天河区马场路24号401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。