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！

龙图腾网获悉安徽科技学院申请的专利基于数据流特征熵的业务流程异常入侵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：CN120915511B 。

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：202511047766.X，技术领域涉及：H04L9/40；该发明授权基于数据流特征熵的业务流程异常入侵检测方法是由王倩倩;陈建国;汪雷;陶婧;蒋建鑫设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本基于数据流特征熵的业务流程异常入侵检测方法在说明书摘要公布了：本发明提供了基于数据流特征熵的业务流程异常入侵检测方法，包括以下步骤：S1.业务流程数据流采集与预处理；S2.数据流特征提取；S3.特征熵计算；S4.正常行为模型构建；S5.异常检测；S6.异常入侵告警与处理。本发明通过特征熵量化业务流程规律，多算法融合提升检测鲁棒性，降低误报率与漏报率，适用于动态业务场景的实时入侵检测，为业务系统安全提供可靠保障。

本发明授权基于数据流特征熵的业务流程异常入侵检测方法在权利要求书中公布了：1.基于数据流特征熵的业务流程异常入侵检测方法，其特征在于，包括以下步骤： S1.业务流程数据流采集与预处理；采集业务流程中的操作数据、交易数据、用户行为数据，进行清洗、格式转换及去重处理，得到标准化数据流； S2.数据流特征提取；对标准化数据流进行基础统计特征提取和熵相关特征提取，得到特征集； S3.特征熵计算；基于特征集计算各特征的信息熵，得到特征熵集合； S4.正常行为模型构建；以特征熵集合为输入，构建融合支持向量机、决策树、K近邻及朴素贝叶斯的四算法融合模型； 决策树模型的构建与训练过程为：以特征熵集合为输入特征，通过信息增益选择分裂特征，计算特征重要性权重，输出加权特征熵；信息增益为业务状态标签的信息熵与特征熵条件下业务状态标签的条件熵的差值； K近邻模型的构建与训练过程为：以加权特征熵为输入，计算样本间的欧氏距离，选取预设数量的近邻，计算正常样本的平均近邻距离作为距离阈值，输出实时样本与训练样本的最小距离； 朴素贝叶斯模型的构建与训练过程为：以加权特征熵为输入，特征熵服从高斯分布，计算特征熵的均值和方差，基于高斯分布概率密度函数计算正常状态的后验概率并输出； 支持向量机模型的构建与训练过程为：以加权特征熵为输入，初始化权重向量为决策树输出的特征重要性权重，根据K近邻输出的最小距离动态调整惩罚系数，根据朴素贝叶斯输出的正常概率调整偏置项，通过优化目标函数求解最优分类超平面参数； 四算法协同决策的过程为：将支持向量机、决策树、K近邻、朴素贝叶斯的输出结果进行加权投票，其中支持向量机的权重最高，其余三种算法权重相等且权重和与支持向量机权重之和为1，当加权投票结果大于等于预设阈值时判定为异常倾向； S5.异常检测；实时采集业务流程数据流，经S1至S3处理得到实时特征熵，输入融合模型得到预测结果，同时计算实时特征熵与正常特征熵的偏差，结合预测结果与偏差进行异常判定； S6.异常入侵告警与处理；当判定为异常时，触发多渠道告警并执行自动处置措施，记录异常日志及处置结果。

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安徽科技学院，其通讯地址为：233199 安徽省滁州市凤阳县东华路；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。