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！

龙图腾网恭喜深圳市广泰联邦科技有限公司申请的专利一种基于物联网服务器安全访问监控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：CN119071049B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202411130510.0，技术领域涉及：H04L9/40；该发明授权一种基于物联网服务器安全访问监控方法是由杜艳兰;刘广设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本一种基于物联网服务器安全访问监控方法在说明书摘要公布了：本发明公开了一种基于物联网服务器安全访问监控方法，涉及网络安全监控领域，首先进行服务器访问数据的采集和预处理，然后通过安全态势评估模型对不同源的服务器访问数据进行安全风险评估，并通过风险评分阈值对不同服务器访问源进行高和低风险等级的划分，然后对动态变化的服务器安全风险进行预测，然后根据服务器安全风险实时分析结果和服务器安全风险预测结果分级制定服务器安全告警策略，并构建网络多层次访问控制机制对服务器访问行为进行安全管理和控制；解决的是传统的服务器安全访问监控方法无法适应不断变化的攻击方式和漏洞的问题，本发明有效保障物联网服务器的安全访问，同时也有助于提高物联网网络的整体安全性和稳定性。

本发明授权一种基于物联网服务器安全访问监控方法在权利要求书中公布了：1.一种基于物联网服务器安全访问监控方法，其特征在于，包括以下步骤：步骤一、服务器访问数据的采集和预处理，通过消息队列实时接收服务器多源访问数据，并采用数据处理器对接收到的数据进行格式化、清洗和聚合处理，所述服务器多源访问数据至少包括服务器日志、网络流量数据、应用程序访问数据和设备状态数据；步骤二、服务器访问源的安全风险评估，通过安全态势评估模型对不同源的服务器访问数据进行安全风险评估，并通过风险评分阈值对不同服务器访问源进行高和低风险等级的划分，所述安全态势评估模型基于不同源服务器访问数据的特性和规律自动提取安全风险特征、优化特征子集并建立多层神经网络；所述安全态势评估模型的工作步骤包括：步骤1、获取不同访问服务器源的全部访问数据，并按时间顺序将不同源的服务器访问数据划分为若干访问源窗口，对每个访问源窗口内的访问数据进行特征提取和编码生成访问数据的特征向量表示，并通过选择、交叉和变异操作获取关键特征向量，计算关键特征向量的适应度值；步骤2、根据风险评估的复杂性和特征向量的维度构建多层神经网络的结构，所述多层神经网络包括输入层、隐藏层和输出层，将生成的关键特征向量输入到所述多层神经网络中，通过前向传播计算网络的输出值，并将输出值与实际值进行比较获取损失函数值，然后，采用反向传播算法和优化算法更新所述多层神经网络的参数，直到达到预定的训练轮次或满足停止条件；步骤3、基于神经网络的输出值构建风险评估指标和指标权重系数，所述风险评估指标包括访问源信誉度、响应状态异常程度、内容敏感性、访问模式偏离程度和访问频率异常程度；步骤4、利用构建的风险评估指标计算每个访问源窗口内的关键特征向量进行综合评估和分析，获取每个访问源窗口的访问源信誉度、响应状态异常程度、内容敏感性、访问模式偏离程度和访问频率异常程度，并通过权重系数进行加权求和，得出综合的风险评分；步骤三、服务器安全风险实时分析，采用数据路由机制将不同风险等级服务器访问源的访问数据传输至不同类型的边缘节点进行分析处理，所述边缘节点包括高风险边缘节点和低风险边缘节点，所述高风险边缘节点采用潜在恶意行为挖掘算法对输入的高风险等级访问源服务器访问数据进行实时潜在安全威胁挖掘；所述潜在恶意行为挖掘算法通过异常检测损失函数训练深度学习模型，所述异常检测损失函数基于重建误差或概率分布差异衡量异常权重，高风险等级访问源集合为{y1,...,yk,...,ym}，yk表示服务器的第k个高风险等级访问源，m为服务器高风险等级访问源的总数，第k个高风险等级访问源的访问数据集x＝{x1,...,xi,...,xn}，xi表示第i个服务器访问数据，n为第k个高风险等级访问源服务器访问数据的总数，1≤i≤n，第k个高风险等级访问源异常检测损失函数的输出函数表达式为： 在公式1中，Lk表示第k个高风险等级访问源异常检测损失函数，表示深度学习模型对第i个服务器访问数据的重建输出，a表示深度学习模型隐层维度，δ表示阻尼衰减因子，用于控制模型复杂度，防止过拟合，表示重建误差的L2范数平方，用于衡量深度学习模型输出与真实数据之间的差异，表示深度学习模型参数θ的L2范数平方，表示模型复杂度的惩罚项；所述潜在恶意行为挖掘算法通过深度学习模型的自编码器计算每个访问数据样本的异常分数，计算公式为： 在公式2中，Si表示第k个高风险等级访问源中第i个服务器访问数据的异常分数，根据设定的异常分数阈值和计算获得的异常分数筛分出存在潜在威胁的访问数据；所述低风险边缘节点采用模式匹配算法对输入的低风险等级访问源服务器访问数据进行实时安全风险分析；所述模式匹配算法将输入的低风险等级访问源服务器访问数据转化成特征向量或特征集合，并采用距离或相似性度量计算输入数据特征与已有访问异常模式的特征向量之间的相似性或距离，并根据相似性阈值和计算获得的相似性筛分出存在潜在威胁的访问数据；步骤四、服务器安全风险预测，根据服务器访问源风险等级将服务器安全风险实时分析结果传输到云平台进行分级存储和进一步处理，所述云平台采用增量方式将服务器安全风险实时分析结果实时储存至历史安全事件数据库中，并基于服务器历史安全事件和当前服务器安全状态对动态变化的服务器安全风险进行预测；步骤五、多层次服务器安全告警和控制，根据服务器安全风险实时分析结果和服务器安全风险预测结果分级制定服务器安全告警策略，并构建网络多层次访问控制机制对服务器访问行为进行安全管理和控制。

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深圳市广泰联邦科技有限公司，其通讯地址为：518000 广东省深圳市龙华区福城街道新和社区南木村别墅133栋整套；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”。