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 > 齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)徐丽娟获国家专利权

齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)徐丽娟获国家专利权

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!

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于动态多层语义增强溯源图的APT攻击检测方法及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:CN121037131B

龙图腾网通过国家知识产权局官网在2026-01-13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:202511574114.1,技术领域涉及:H04L9/40;该发明授权基于动态多层语义增强溯源图的APT攻击检测方法及系统是由徐丽娟;单冰洋;赵大伟;宋维钊;李鑫设计研发完成,并于2025-10-31向国家知识产权局提交的专利申请。

基于动态多层语义增强溯源图的APT攻击检测方法及系统在说明书摘要公布了:本发明涉及入侵检测领域,提供了一种基于动态多层语义增强溯源图的APT攻击检测方法及系统。基于动态多层语义增强溯源图的APT攻击检测方法包括,构建依次以原始事件层、行为模式层以及威胁技术映射层逐层特征融合的动态多层语义增强溯源图,对图中的节点和边进行深度语义增强,并采用增量更新机制,捕捉攻击行为并提取语义上下文,构建动态多层语义增强溯源图的图快照;采用预训练的H‑STFT模型,将所述图快照中的所有节点嵌入到特征空间,得到节点嵌入向量集;将节点嵌入向量集中的所有节点嵌入向量进行聚合,得到图级别特征向量;基于图级别特征向量,得到当前图快照是否存在APT攻击的概率;实现对APT攻击的精确检测。

本发明授权基于动态多层语义增强溯源图的APT攻击检测方法及系统在权利要求书中公布了:1.基于动态多层语义增强溯源图的APT攻击检测方法,其特征在于,包括: 获取多源事件日志数据,并进行标准化处理; 构建依次以原始事件层、行为模式层以及威胁技术映射层逐层特征融合的动态多层语义增强溯源图,对动态多层语义增强溯源图中的节点和边进行深度语义增强,并采用增量更新机制维护动态多层语义增强溯源图,捕捉攻击行为并提取语义上下文,构建动态多层语义增强溯源图的图快照,图快照是一个独立的、完整的动态多层语义增强溯源图实例,具体包含和表示了在特定时间窗口内发生的所有系统活动,其详细构成包括:原始事件层内容、行为模式层内容和威胁技术映射层内容; 所述构建依次以原始事件层、行为模式层以及威胁技术映射层逐层特征融合的动态多层语义增强溯源图,方法包括: 将标准化的每个系统事件数据视为一个图节点,事件间的因果关系视为有向边,构建原始事件层的图结构;将离散特征进行独热编码,得到离散特征向量;对文本特征进行初步语义编码,得到文本特征的语义嵌入向量;将离散特征向量与文本特征的语义嵌入向量进行拼接,得到事件节点特征向量; 基于原始事件层的图结构中的一组相关原始事件,识别行为模式,将行为模式的类型定义为节点类型,将行为节点之间的关系定义为边类型,构建行为模式层的图结构;每个行为节点特征向量由其所包含的所有事件节点特征向量聚合而成; 将行为模式通过预定义的映射规则集合,与已知攻击战术进行关联;根据攻击战术定义节点类型和边类型,构建威胁技术映射层的图结构;每个攻击战术节点特征向量由其所包含的所有行为节点特征向量聚合而成; 根据原始事件层的图结构、行为模式层的图结构以及威胁技术映射层的图结构,构建动态多层语义增强溯源图; 采用预训练的H-STFT模型,将所述图快照中的所有节点嵌入到特征空间,得到节点嵌入向量集;将节点嵌入向量集中的所有节点嵌入向量进行聚合,得到图级别特征向量;将图级别特征向量输入至两个隐藏层的多层感知机分类器,输出当前图快照是否存在APT攻击的概率;若超过预设阈值,则判定为当前系统行为存在APT攻击。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心),其通讯地址为:250000 山东省济南市长清区大学路3501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。

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。