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！

龙图腾网获悉电子科技大学申请的专利一种多模态异常检测的APT隐蔽通道识别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：CN119066464B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411044854.X，技术领域涉及：G06F18/24；该发明授权一种多模态异常检测的APT隐蔽通道识别方法及系统是由赵尔凡;牛伟纳;张小松;侯安然;陈瑞东;邵林设计研发完成，并于2024-07-31向国家知识产权局提交的专利申请。

本一种多模态异常检测的APT隐蔽通道识别方法及系统在说明书摘要公布了：本发明涉及APT隐蔽通道识别方法技术领域，提供了一种多模态异常检测的APT隐蔽通道识别方法及系统，旨在解决高级持续性威胁APT攻击中隐蔽通道的检测问题。通过多模态异常检测，该方法能够识别和分析复杂网络环境中的APT攻击，尤其是那些使用隐蔽通道的攻击。本发明提供多模态异常检测的APT隐蔽通道识别方法，包括获得多模态数据、正常行为建模、联合表示学习、增强异常敏感性、捕捉时序异常模式、优化异常特征、更新异常检测模型、APT隐蔽通道识别和生成检测报告。本发明用于提高APT隐蔽通道的检测准确率，减少误报率，提高检测时延，增强模型的适应性，同时降低计算资源消耗，为企业提供强有力的网络安全防护手段。

本发明授权一种多模态异常检测的APT隐蔽通道识别方法及系统在权利要求书中公布了：1.一种多模态异常检测的APT隐蔽通道识别方法，其特征在于，包括以下步骤： 获得多模态数据，基于所述多模态数据，通过变分自编码器实现正常行为建模，得到正常行为模型； 利用自适应多尺度深度耦合自编码器对所述多模态数据进行联合表示学习，获得联合表示； 所述自适应多尺度深度耦合自编码器包括： 多尺度特征提取模块，用于提取多模态数据的多尺度特征； 动态模态重要性评估模块，用于评估不同模态的重要性； 稀疏异常特征增强模块，用于增强潜在的异常特征； 自适应特征融合模块，用于融合多模态特征； 基于所述联合表示，通过对比学习增强异常敏感性，得到增强后的特征表示； 采用长短时记忆网络处理所述增强后的特征表示，捕捉时序异常模式，获得时序异常特征； 利用强化学习对所述时序异常特征进行自适应采样，得到优化后的异常特征； 通过联邦学习聚合多方知识，更新异常检测模型； 基于所述更新后的异常检测模型，对所述优化后的异常特征进行分析，实现APT隐蔽通道的识别； 以及根据识别结果，生成APT隐蔽通道检测报告。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。