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！

龙图腾网恭喜浙江大学;南方电网科学研究院有限责任公司申请的专利基于标签和梯度反向传播的自适应溯源图实时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：CN119583117B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411626829.2，技术领域涉及：H04L9/40；该发明授权基于标签和梯度反向传播的自适应溯源图实时攻击检测方法及系统是由李振源;王征凯;蒋屹新;徐文倩;梁志宏;张帆;赵新杰;郭世泽设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本基于标签和梯度反向传播的自适应溯源图实时攻击检测方法及系统在说明书摘要公布了：本发明公开了一种基于标签和梯度反向传播的自适应溯源图实时攻击检测方法和系统，属于攻击检测领域。本发明引入了异常检测机制，为节点增添了行为标签，并设置了对应规则，在检测时额外考虑异常情况，同时扩展了检测事件类型与规则。本发明采用全良性数据进行检测模块的训练，针对训练过程中产生的误报情况，采用反向传播的方法和Adam优化算法进行传播速率、异常阈值、告警阈值以及行为标签分数、实体标签分数的优化调整，最终使用优化训练后的检测模块进行检测。本发明克服了现有技术中优化范围过于局限告警事件对应的节点和边，无法全面提升系统整体检测准确性的问题，从而减少了误报率，并显著提高了系统对复杂攻击场景的响应能力。

本发明授权基于标签和梯度反向传播的自适应溯源图实时攻击检测方法及系统在权利要求书中公布了：1.一种基于标签和梯度反向传播的自适应溯源图实时攻击检测方法，其特征在于，包括如下步骤：S1：根据输入的审计日志训练集构建溯源图；所述溯源图的每个节点均具有行为标签和实体标签，溯源图的每条边存储有源节点ID、目的节点ID、两个节点之间的事件类型、传播速率、异常阈值和告警阈值；S2：依据事件类型和传播速率进行实体标签的传递；其中，事件类型决定了传递路径，路径中的目的节点存储路径信息，源节点存储其对应的目的节点数量；S3：针对各条边，依据边上存储的事件类型选择待异常检测的节点，并根据异常阈值对节点的行为标签分数进行异常检测；当检测有异常时，设置一个告警权重用于在告警检测时调整该节点的实体标签分数；S4：针对各条边，依据事件类型选择待告警检测的节点，并根据告警阈值对节点的实体标签分数进行告警检测；对存在异常的边进行告警；S5：依据梯度策略，优化产生告警的边的传播速率、异常阈值、告警阈值以及行为标签分数、实体标签分数；步骤S5具体包括如下步骤：1审计日志训练集为全良性的审计日志，训练过程中产生告警，即表示训练过程发生了误报；此时记fe＝tagrule-thri代表边e的事件检测规则选择的实体标签分数Tagrule与边所存储的告警检测阈值thri的差值，记Le＝max0,1-fe2-1，若Le不为0，说明该边产生误报；2计算损失函数：Loss＝∑e∈ELe+α||A-A0||2+μ||B-B0||2+γ||G-G0||2+τ||Tb-Tb0||2+r||T-T0||2其中，α,μ,γ,τ,r为正则化系数，E代表边的集合，A参数表示标签实体分数，B参数表示行为标签行为分数，G参数表示标签传播速率，Tb表示行为异常检测阈值，T表示告警检测阈值，A0，B0，G0，Tb0，T0表示最初的默认值；3针对参数θ∈{A、B、G、Tb、T}，梯度计算如下，其中f表示fe，a表示θ中具体的某一参数,a0表示参数a对应最初的默认值；4Adam梯度优化，针对参数θ的梯度记为一阶矩：二阶矩： 参数θ最终修改： 其中，t代表次数，β1、β2为超参数，代表校正值,η代表学习率，ε为防止除以零而添加的数值；S6：依据节点存储的路径信息进行反向传播优化，优化路径上的边的传播速率、异常阈值、告警阈值以及行为标签分数、实体标签分数；步骤S6具体包括如下步骤：1当某条边产生告警且完成梯度优化后，边连接的节点内存储有路径信息，通过路径信息反向传播；2针对路径上涉及参数θ，按照产生告警边优化时的最终梯度进行衰减，依照路径，每额外传播一次，优化梯度衰减即梯度3针对一个包含多个子路径的节点，依照该节点的子节点数目n，传播的梯度额外再衰减即梯度4更新参数η代表学习率；S7：重复步骤S1-S6，直至优化结束；优化结束后，以待检测的审计日志替代步骤S1中的审计日志训练集，执行步骤S1-S4进行检测。

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浙江大学;南方电网科学研究院有限责任公司，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。