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！

龙图腾网获悉北京火绒网络科技有限公司申请的专利基于深度学习的恶意样本自动分析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：CN120785668B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511300102.X，技术领域涉及：H04L9/40；该发明授权基于深度学习的恶意样本自动分析方法及系统是由周军;刘刚设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本基于深度学习的恶意样本自动分析方法及系统在说明书摘要公布了：本发明公开了基于深度学习的恶意样本自动分析方法及系统，属于样本分析技术领域，方法包括：样本数据整合、样本特征提取、构建恶意样本自动分析模型和智能分析。本方案构建网络流量关联图，引入时间衰减因子，将协议类型转化为嵌入向量，生成协议感知注意力权重，加权拼接得到协议感知增强特征，根据门控向量得到协议感知门控特征，并提取三个尺度的统计特征向量；基于交互门控向量得到跨尺度交互特征，引入协议偏差项计算动态注意力权重，生成编码向量，多分支重构并计算重构误差，基于编码向量预测恶意概率，得到综合恶意分数，判断恶意样本，精准识别复杂网络环境下的恶意样本，提升恶意样本自动分析的准确性和可靠性。

本发明授权基于深度学习的恶意样本自动分析方法及系统在权利要求书中公布了：1.基于深度学习的恶意样本自动分析方法，其特征在于：该方法包括以下步骤： 步骤S1：样本数据整合；采集历史网络流量样本数据，对历史网络流量样本数据进行预处理，构建网络流量样本数据集； 步骤S2：样本特征提取；计算边权重，构建网络流量关联图，引入时间衰减因子，得到动态邻居聚合特征，将协议类型转化为嵌入向量，生成协议感知注意力权重，加权拼接得到协议感知增强特征，基于协议邻居注意力得到邻域聚合特征，根据门控向量得到协议感知门控特征，并提取三个尺度的统计特征向量； 步骤S3：构建恶意样本自动分析模型；基于交互门控向量得到跨尺度交互特征，引入协议偏差项计算动态注意力权重，生成编码向量，分别重构短期、中期、长期统计特征与协议感知门控特征，按分支权重加权求和重构误差，基于编码向量预测恶意概率，得到综合恶意分数，判断恶意样本； 步骤S4：智能分析；基于恶意样本自动分析模型的输出，得到实时网络流量样本数据对应的样本类型； 在步骤S3中，所述构建恶意样本自动分析模型是基于协议感知门控特征和三个尺度的统计特征向量，根据神经网络完成恶意样本自动分析模型的构建；具体包括以下步骤： 步骤S31：跨协议动态编码器；包括以下步骤： 步骤S311：跨尺度特征交互；对每个尺度的统计特征向量进行线性变换，计算短期与中期、以及中期与长期尺度间的正向交互门控向量和反向交互门控向量，基于交互门控向量得到跨尺度交互特征； 步骤S312：协议感知动态编码；将跨尺度交互特征、协议感知门控特征和协议类型嵌入向量拼接，得到统一融合特征，用3个独立的权重矩阵对统一融合特征进行线性变换，得到注意力机制的查询向量、键向量和值向量，引入协议偏差项，计算动态注意力权重，并对值向量加权求和，得到最终的编码向量； 步骤S32：多分支重构解码器；包括以下步骤： 步骤S321：多分支特征重构；多分支重构解码器包含4个并行分支，基于编码向量，分别对应短期、中期、长期和协议感知门控特征的重构，每个分支采用反卷积层、批归一化层和Sigmoid激活函数相结合的结构； 步骤S322：多分支重构误差；分别计算各分支的重构误差，根据各分支权重对重构误差进行加权求和，得到总重构误差； 步骤S33：恶意样本判断；基于编码向量预测恶意概率，将总重构误差和恶意概率标准化后总和的一半作为综合恶意分数，设置分数阈值，若综合恶意分数大于等于分数阈值，则判定样本为恶意样本，否则判定样本为正常样本，并输出数据标签。

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火绒网络科技有限公司，其通讯地址为：100107 北京市朝阳区北苑路30号院3号楼1至10层101号9层901；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。