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！

龙图腾网获悉福州恒奥信息科技有限公司申请的专利面向业务影响的网络安全资产风险定价与管理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：CN121329088B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511882438.1，技术领域涉及：G06Q10/0631；该发明授权面向业务影响的网络安全资产风险定价与管理方法及系统是由高静峰;唐鹏设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本面向业务影响的网络安全资产风险定价与管理方法及系统在说明书摘要公布了：本发明涉及网络安全资产风险定价与管理技术领域，尤其为面向业务影响的网络安全资产风险定价与管理方法及系统，通过整合历史业务数据、基础设施资源数据与外部环境数据构建业务‑资源画像库，基于随机森林或长短期记忆网络LSTM训练潜在中断事件预测模型，构建包含资源预置成本、业务中断损失成本、资源闲置惩罚成本的多目标成本优化函数，采用非支配排序遗传算法NSGA‑II或粒子群优化算法求解最优资源预置策略，执行后反馈数据更新模型与函数形成闭环优化。本发明实现风险精准预测、成本动态平衡与策略持续适配，有效保障业务连续性，降低企业整体运营成本，提升网络安全资产风险定价与管理的针对性和有效性。

本发明授权面向业务影响的网络安全资产风险定价与管理方法及系统在权利要求书中公布了：1.面向业务影响的网络安全资产风险定价与管理方法，其特征在于：包括以下步骤： 步骤S1：构建业务-资源画像库，所述业务-资源画像库通过集成历史业务数据、基础设施资源数据以及外部环境数据，并进行数据清洗和特征提取形成，具体包括： 进行多源数据集成，收集历史业务数据、基础设施资源数据和外部环境数据，其中，历史业务数据包括业务流量和业务类型，基础设施资源数据包括服务器容量和网络带宽，外部环境数据包括天气事件和社会事件，生成原始数据集； 对原始数据集进行数据清洗，包括处理缺失值、异常值和重复值，并执行数据标准化，生成清洗后数据集； 基于清洗后数据集进行特征提取，通过业务特征提取模块提取业务关键指标，通过资源特征提取模块提取资源利用率指标，并通过环境特征提取模块提取环境影响指标，生成多维度特征集； 将多维度特征集进行关联融合，基于业务与资源的映射关系构建业务-资源关联图谱，并存储为业务-资源画像库； 步骤S2：基于业务-资源画像库，训练潜在中断事件预测模型，所述潜在中断事件预测模型采用机器学习算法，包括随机森林或长短期记忆网络LSTM，以动态预测在未来预设时间窗口内发生至少一种业务中断事件的概率及预期影响范围，所述预期影响范围包括受影响业务范围和资源缺失程度，包括： 从业务-资源画像库中提取历史中断事件记录及对应的多维度特征数据，生成训练数据集； 对训练数据集进行时间序列切片处理，基于预设时间窗口划分特征序列和标签序列，其中标签序列包括中断事件发生概率标签、受影响业务范围标签和资源缺失程度标签； 基于特征序列和标签序列，采用随机森林或长短期记忆网络LSTM算法初始化预测模型，并通过训练过程拟合模型参数，生成初始预测模型； 利用业务-资源画像库中的验证数据集对初始预测模型进行性能评估，根据评估结果调整模型超参数，生成优化预测模型； 将优化预测模型部署为潜在中断事件预测模型，用于动态输出未来预设时间窗口内的中断事件预测结果； 步骤S3：构建多目标成本优化函数，所述多目标成本优化函数包括资源预置成本、业务中断损失成本和资源闲置惩罚成本，其中： 所述资源预置成本通过预置资源的类型和数量计算，包括硬件采购费用和软件许可费用，包括以下步骤： 基于资源预置需求集合，解析需预置的资源类型、预置数量估计、预置位置及预置时间； 根据资源类型、预置位置及预置时间，从资源市场价格信息库中获取对应的硬件采购单价和软件许可单价； 基于预置数量估计和硬件采购单价，计算硬件采购费用； 基于预置数量估计和软件许可单价，计算软件许可费用； 整合硬件采购费用和软件许可费用，生成资源预置成本； 所述业务中断损失成本基于步骤S2预测的所述概率及预期影响范围进行量化，具体通过业务中断持续时间和业务重要性权重计算； 所述资源闲置惩罚成本针对预置后未被使用的资源，根据闲置时间和资源维护成本计算； 构建多目标成本优化函数包括以下步骤： 基于步骤S2得到的潜在中断事件预测模型的输出，获取未来预设时间窗口内发生至少一种业务中断事件的概率及预期影响范围，预期影响范围包括受影响业务范围和资源缺失程度； 根据资源缺失程度，生成资源预置需求集合，资源预置需求集合包括需预置的资源类型和初始数量估计； 基于资源预置需求集合，结合资源市场价格信息，计算资源预置成本，资源预置成本包括硬件采购费用和软件许可费用； 根据概率及受影响业务范围，结合从业务-资源画像库中提取的业务重要性权重和预期中断持续时间，量化业务中断损失成本； 针对资源预置需求集合，考虑资源闲置风险，根据资源闲置时间和单位时间资源维护成本，计算资源闲置惩罚成本； 将资源预置成本、业务中断损失成本和资源闲置惩罚成本整合为多目标成本优化函数，其中，每个成本组件均定义为资源预置决策变量的函数，资源预置决策变量包括资源类型、预置数量、预置位置及预置时间； 步骤S4：将步骤S2得到的预测结果作为输入参数，采用多目标优化算法求解多目标成本优化函数，输出针对所述至少一种业务中断事件的最优资源预置策略，所述最优资源预置策略包括资源类型、预置数量、预置位置及预置时间，多目标优化算法包括非支配排序遗传算法NSGA-II或粒子群优化算法； 步骤S5：执行最优资源预置策略，并在执行后持续采集实际业务运行状态数据与外部环境数据，反馈至所述业务-资源画像库，以更新潜在中断事件预测模型的参数和多目标成本优化函数的权重，形成闭环优化，包括： 执行最优资源预置策略，根据策略中定义的资源类型、预置数量、预置位置及预置时间完成资源部署，生成资源预置执行记录； 在资源预置执行后，通过业务监控系统和环境监测系统持续采集实际业务运行状态数据与外部环境数据，生成策略执行后数据集； 将策略执行后数据集与资源预置执行记录进行关联整合，形成优化执行数据； 将优化执行数据反馈至业务-资源画像库，通过数据更新模块对画像库中的历史业务数据、基础设施资源数据和外部环境数据进行增量更新，生成更新后的业务-资源画像库； 基于更新后的业务-资源画像库，提取最新时段内的业务中断事件记录及对应特征数据，对潜在中断事件预测模型进行再训练，根据预测准确率调整模型参数，生成更新后的潜在中断事件预测模型； 基于优化执行数据中的实际资源使用效率和业务中断损失情况，计算多目标成本优化函数的成本偏差指标，根据成本偏差指标动态调整多目标成本优化函数中资源预置成本、业务中断损失成本和资源闲置惩罚成本的权重系数，生成权重更新后的多目标成本优化函数； 将更新后的潜在中断事件预测模型和权重更新后的多目标成本优化函数应用于后续资源预置策略的生成过程，形成闭环优化机制。

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福州恒奥信息科技有限公司，其通讯地址为：350100 福建省福州市高新区创业路10号万福中心2号楼10层06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。