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！

龙图腾网获悉北京邮电大学;紫光恒越技术有限公司申请的专利一种网络数据威胁检测模型训练方法、威胁检测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：CN120934899B 。

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：202511402225.4，技术领域涉及：H04L9/40；该发明授权一种网络数据威胁检测模型训练方法、威胁检测方法及装置是由何明枢;王东升;罗怡清;王小娟;陈汉卿;范新设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本一种网络数据威胁检测模型训练方法、威胁检测方法及装置在说明书摘要公布了：本发明提供一种网络数据威胁检测模型训练方法、威胁检测方法及装置，对每条样本流截取前设定数量个字节范围内的网络流前端数据并做分词得到单词；以单词独热向量为字节节点，以该流各单词TF‑IDF序列为网络流节点。设置第一类边权重为TF‑IDF值以实现字节‑流关联；用预训练双向LSTM提取所有字节节点的语义嵌入，对余弦相似度高于阈值的字节对建立第二类边，并以全局共现统计计算其权重，形成无需拓扑的语义关联图。构建含双层GCN及Softmax的初始模型，以带威胁类型标签的图数据为训练集，通过最小化交叉熵损失更新参数，得到网络数据威胁检测模型。本发明能提升泛化能力，在图数据拓扑不完整时有效构建能够表征行为关联关系的图结构提升网络数据威胁的检出能力。

本发明授权一种网络数据威胁检测模型训练方法、威胁检测方法及装置在权利要求书中公布了：1.一种网络数据威胁检测模型训练方法，其特征在于，该方法包括以下步骤： 针对网络中的多个样本网络数据流分别提取前设定数量个字节长度范围内的网络流前端数据，对每个所述网络流前端数据进行分词处理得到单词； 基于所述网络流前端数据构建图数据，其中，以所述单词的向量化表示作为字节节点，以每个所述网络流前端数据中各单词的TF-IDF值序列作为网络流节点；将所述网络流前端数据中单词的TF-IDF值定义为对应的所述网络流节点和所述字节节点间第一类边的权重；将所述网络流前端数据内的各所述字节节点输入预训练的长短时记忆网络获取字节语义嵌入特征，在所述字节语义嵌入特征相似度大于设定阈值的两个所述字节节点之间建立第二类边，基于全部所述网络流前端数据中两个所述字节节点之间存在所述第二类边的次数与存在于同一网络流前端数据的次数计算所述第二类边的权重； 构建包含多个样本的第一训练样本集，其中每个样本包含一个所述图数据并标记其网络威胁类型作为第一标签； 获取包含第一图卷积神经网络、第二图卷积神经网络和激活函数层的第一初始模型，采用所述第一训练样本集对所述第一初始模型进行训练，所述第一初始模型以每个样本中的所述图数据为输入并输出对威胁类型的第一预测值，基于所述第一预测值和所述第一标签的偏差构建第一损失函数，最小化所述第一损失函数对所述第一初始模型进行参数更新，得到所述网络数据威胁检测模型； 其中，所述长短时记忆网络的预训练步骤包括：构建包含多个样本的第二训练样本集，其中每个样本包含网络中的多个样本网络数据流对应的网络流前端数据，并添加对应的网络威胁类型作为第二标签；获取包含初始长短时记忆网络和softmax层的第二初始模型，将所述第二训练样本集中每个样本的所述网络流前端数据输入所述第二初始模型，由所述初始长短时记忆网络对所述网络流前端数据中每个单词提取字节语义嵌入特征后经softmax层处理输出对网络威胁类型的第二预测值，基于所述第二预测值与所述第二标签的偏差构建第二损失函数，最小化所述第二损失函数对所述第二初始模型进行参数更新，将更新后的所述初始长短时记忆网络作为所述长短时记忆网络。

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邮电大学;紫光恒越技术有限公司，其通讯地址为：100876 北京市海淀区西土城路10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。