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！

申请/专利权人：戎行技术有限公司

摘要：本发明涉及网络行为数据筛查监测处理领域，尤其涉及一种基于大模型的移动终端网络行为数据筛查监测方法，包括：利用实时移动终端网络行为数据获取移动终端网络行为数据特征；利用所述移动终端网络行为数据特征与历史移动终端网络行为数据基于大模型建立风险筛查模型；根据所述风险筛查模型得到移动终端网络行为数据筛查监测结果，应用了大模型技术，在分析分类模型的建立上显著改善了模型的泛化能力与场景高度适应性，同时，在方案执行过程中创新性的提出了步骤交叉检验环节，在实际应用系统环境时，减轻运行负担，提升网络行为数据的筛查处理效率与准确性。

主权项：1.一种基于大模型的移动终端网络行为数据筛查监测方法，其特征在于，包括：S1、利用实时移动终端网络行为数据获取移动终端网络行为数据特征；S1-1、获取实时移动终端网络行为数据；S1-2、根据所述实时移动终端网络行为数据获取传输数据量、传输数据类型、传输时刻与传输时长作为传输数据特征；S1-3、根据所述实时移动终端网络行为数据获取实时移动终端网络行为数据的通讯线路；S1-4、根据所述实时移动终端网络行为数据的通讯线路获取通讯线路传输协议、通讯线路端口地址与通讯线路固件类型作为传输线路特征；S1-5、利用所述传输数据特征与传输线路特征作为移动终端网络行为数据特征；其中，所述传输时刻包括传输起始时刻与传输终止时刻，所述通讯线路端口地址包括移动终端地址与网络终端地址，所述通讯线路固件类型为通讯线路对应网络终端类型；S2、利用所述移动终端网络行为数据特征与历史移动终端网络行为数据基于大模型建立风险筛查模型；S2-1、利用所述移动终端网络行为数据特征基于大模型建立特征关联对应模型；S2-1-1、利用所述移动终端网络行为数据特征的传输数据特征作为第一训练集；S2-1-2、利用所述移动终端网络行为数据特征的传输线路特征作为第二训练集；S2-1-3、利用所述第一训练集作为输入，第一训练集对应移动终端网络行为风险类型作为输出，基于大模型进行第一次训练得到第一特征关联对应模型；S2-1-4、利用所述第二训练集作为输入，第二训练集对应移动终端网络行为风险类型作为输出，基于大模型进行第二次训练得到第二特征关联对应模型；S2-1-5、利用所述第一特征关联对应模型与第二特征关联对应模型作为特征关联对应模型；其中，所述移动终端网络行为风险类型包括存在风险与不存在风险；S2-2、利用所述历史移动终端网络行为数据基于大模型建立数据识别筛查模型；S2-2-1、根据所述实时移动终端网络行为数据的移动终端网络行为数据特征获取对应历史移动终端网络行为数据；S2-2-2、利用所述历史移动终端网络行为数据建立第三训练集；S2-2-3、利用所述第三训练集为输入，所述第三训练集对应移动终端网络行为风险类型为输出，基于大模型进行训练建立数据识别筛查模型；其中，所述移动终端网络行为风险类型包括存在风险与不存在风险；S2-3、利用所述特征关联对应模型与数据识别筛查模型进行收敛性验证处理得到风险筛查模型；S2-3-1、获取所述历史移动终端网络行为数据的移动终端网络行为数据特征作为第一验证集；S2-3-2、利用所述实时移动终端网络行为数据作为第二验证集；S2-3-3、利用所述第一验证集对应传输数据特征与传输线路特征分别带入特征关联对应模型的第一特征关联对应模型与第二特征关联对应模型得到第一特征对应模型的验证结果与第二特征对应模型的验证结果；S2-3-4、利用所述第二验证集带入数据识别筛查模型得到第三数据识别筛查模型的验证结果；S2-3-5、判断所述第一特征对应模型的验证结果与第二特征对应模型的验证结果是否一致，若是，则执行S2-3-6，否则，利用所述第一特征对应模型的验证结果对应传输数据特征与第二特征对应模型的验证结果对应传输线路特征分别对应更新第一训练集与第二训练集，并返回S2-1-3；S2-3-6、利用所述第二验证集对应移动终端网络行为数据特征作为补充验证集；S2-3-7、利用所述补充验证集对应带入特征关联对应模型得到特征关联对应模型的补充验证结果；S2-3-8、判断所述特征关联对应模型的补充验证结果与第三数据识别筛查模型的验证结果是否一致，若是，则利用所述特征关联对应模型与数据识别筛查模型依次作为风险筛查模型，否则，利用所述特征关联对应模型的补充验证结果对应移动终端网络行为数据与第三数据识别筛查模型的验证结果对应移动终端网络行为数据更新第三训练集，并返回S2-2-3；S3、根据所述风险筛查模型得到移动终端网络行为数据筛查监测结果；S3-1、利用所述风险筛查模型得到风险筛查模型的输出结果；S3-1-1、利用所述实时移动终端网络行为数据对应时刻作为筛查标准起始时刻t；S3-1-2、获取t+1时刻与t+2时刻的实时移动终端网络行为数据作为风险筛查辅助数据；S3-1-3、根据所述风险筛查辅助数据获取t+1时刻与t+2时刻对应移动终端网络行为数据特征作为风险筛查辅助特征；S3-1-4、利用所述实时移动终端网络行为数据与对应移动终端网络行为数据特征输入风险筛查模型得到风险筛查模型的目标输出结果；S3-1-5、利用所述风险筛查辅助数据与风险筛查辅助特征输入风险筛查模型得到风险筛查模型的辅助输出结果；S3-1-6、利用所述风险筛查模型的目标输出结果、风险筛查模型的辅助输出结果、风险筛查辅助数据与风险筛查辅助特征作为风险筛查模型的输出结果；S3-2、利用所述风险筛查模型的输出结果建立输出结果数据库；S3-3、根据所述输出结果数据库进行数据线性复核处理得到移动终端网络行为数据筛查监测结果；S3-3-1、获取所述输出结果数据库对应筛查标准起始时刻t、t+1时刻与t+2时刻的实时移动终端网络行为数据的数据线性变化状态；S3-3-2、获取所述输出结果数据库对应筛查标准起始时刻t、t+1时刻与t+2时刻的移动终端网络行为数据特征的特征线性变化状态；S3-3-3、判断所述数据线性变化状态与特征线性变化状态是否一致，若是，则执行S3-3-4，否则，所述移动终端网络行为数据筛查监测结果为异常，并输出对应输出结果数据库；S3-3-4、判断所述输出结果数据库对应风险筛查模型的目标输出结果与辅助输出结果是否一致，若是，则所述移动终端网络行为数据筛查监测结果为正常，否则，执行S3-3-5；S3-3-5、判断同一实时移动终端网络行为数据对应S3-3-4的执行次数是否大于1，若是，则所述移动终端网络行为数据筛查监测结果为异常，并输出对应输出结果数据库，否则，返回S2-1-1；其中，所述数据线性变化状态包括数据变化与数据未变化，所述数据变化为相邻时刻的实时移动终端网络行为数据不一致，数据未变化为相邻时刻的实时移动终端网络行为数据一致，特征线性变化状态包括特征变化与特征未变化，所述特征变化为相邻时刻的实时移动终端网络行为特征不一致，特征未变化为相邻时刻的实时移动终端网络行为特征一致。

全文数据：

权利要求：

百度查询： 戎行技术有限公司 一种基于大模型的移动终端网络行为数据筛查监测方法