Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京弘勤安技术有限公司龚鹏艳获国家专利权

北京弘勤安技术有限公司龚鹏艳获国家专利权

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!

龙图腾网获悉北京弘勤安技术有限公司申请的专利一种基于Bert的网络安全检测单兵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:CN118784360B

龙图腾网通过国家知识产权局官网在2025-11-21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:202411099676.0,技术领域涉及:H04L9/40;该发明授权一种基于Bert的网络安全检测单兵系统是由龚鹏艳;周勇;熊儒旺;张捧军;朱海舟;缪文;陈永华;朱正午;杨超;熊程鹏设计研发完成,并于2024-08-12向国家知识产权局提交的专利申请。

一种基于Bert的网络安全检测单兵系统在说明书摘要公布了:本发明涉及网络安全检测领域,且公开了一种基于Bert的网络安全检测单兵系统,包括动态特征提取模块、多层级检测模块、实时适应模块、智能响应模块和行为分析模块;动态特征模块利用BERT模型动态地提取网络流量和日志的特征,捕捉复杂的语义和时序模式;多层级检测模块用于对提取的特征进行多层级的威胁检测,利用轻量级模型进行初步筛选,再由深度模型进行分析;实时适应模块用于监控实时网络流量和日志,动态调整检测模型和参数;智能响应模块用于根据检测结果生成警告并自动采取相应措施;行为分析模块用于深入分析检测到的威胁行为,追踪攻击源,本发明具备能够捕捉数据中的复杂模式和隐藏关系,从而提高检测的准确性和效率的优点。

本发明授权一种基于Bert的网络安全检测单兵系统在权利要求书中公布了:1.一种基于Bert的网络安全检测单兵系统,其特征在于,包括动态特征提取模块、多层级检测模块、实时适应模块、智能响应模块和行为分析模块; 所述动态特征提取模块利用BERT模型动态地提取网络流量和日志的特征,捕捉复杂的语义和时序模式; 所述多层级检测模块用于对提取的特征进行多层级的威胁检测,利用轻量级模型进行初步筛选,再由深度模型进行分析; 所述实时适应模块用于监控实时网络流量和日志,动态调整检测模型和参数,利用联邦学习和在线学习技术,使系统能够在不停止运行的情况下更新模型,适应新出现的威胁; 所述智能响应模块用于根据检测结果生成警告并自动采取相应措施; 所述行为分析模块用于深入分析检测到的威胁行为,追踪攻击源,提供攻击路径和行为模式分析; 所述动态特征提取模块包括数据嵌入模块、时序模式提取模块和自注意力机制模块,所述数据嵌入模块用于将原始网络流量数据和日志数据转换为模型可以处理的嵌入表示;所述时序模式提取模块用于提取网络流量和日志中的时序模式,捕捉数据的时间依赖性和顺序关系;所述自注意力机制模块利用自注意力机制对数据进行全局依赖关系建模,识别特征和关系; 所述多层级检测模块包括初步筛选模块和深度分析模块; 所述初步筛选模块用于快速筛选网络流量和日志数据,识别异常和潜在威胁,过滤掉正常的背景流量,利用轻量级的机器学习模型或规则引擎进行初步检测,快速识别和标记可疑数据; 所述深度分析模块用于对初步筛选模块标记的可疑数据进行分析,识别复杂和隐藏的攻击模式,利用深度学习模型进行深入分析,提取特征和模式; 所述实时适应模块包括联邦学习模块、在线学习模块和自适应参数调节模块; 所述联邦学习模块用于在不集中数据的前提下,利用分布式机器学习技术对模型进行协同训练和更新; 所述在线学习模块用于在实时流数据的基础上动态更新模型,持续学习新数据中的模式和特征; 所述自适应参数调节模块用于根据实时检测情况和反馈,动态调整模型的参数和阈值; 所述智能响应模块包括自动化响应模块和智能决策模块; 所述自动化响应模块用于自动执行预定义的响应措施; 所述智能决策模块利用机器学习和强化学习技术,根据检测到的威胁和当前的网络态势,动态生成响应策略; 所述行为分析模块包括攻击行为识别模块和攻击路径分析模块; 所述攻击行为识别模块通过分析网络流量和日志数据,识别和分类不同类型的攻击行为; 所述攻击路径分析模块用于追踪和分析攻击者在网络中的活动路径,绘制攻击路径图,展示攻击者的行动步骤和目标; 所述的网络安全检测单兵系统,还包括以下步骤: S1:从各种网络设备和日志系统中收集网络流量数据和日志数据,对数据进行标注,标识出正常流量和异常流量; S2:利用BERT模型将文本数据转换为嵌入向量,捕捉文本的语义信息,结合BERT嵌入和时间序列特征,提取多维特征,形成特征向量; S3:将提取的特征向量输入到机器学习模型中进行训练,使用标注数据进行监督学习; S4:在网络环境中部署训练好的模型,实时监控网络流量和日志数据,利用训练好的模型对实时数据进行分析和检测,识别潜在的安全威胁和异常行为; S5:对检测到的威胁行为通过行为分析和图神经网络进行深入分析,识别攻击模式和路径,绘制攻击路线图; S6:利用在线学习和联邦学习,实时更新和优化检测模型,在不同网络节点间共享模型参数和更新。

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北京弘勤安技术有限公司,其通讯地址为:100020 北京市朝阳区利泽中园106号楼1层A117;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。