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！

龙图腾网获悉中国科学院信息工程研究所申请的专利基于流量多模态特征融合的社交机器人发现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：CN119760627B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411790402.6，技术领域涉及：G06F18/25；该发明授权基于流量多模态特征融合的社交机器人发现方法及系统是由李真真;梁睿琪;翟浩楠;李镇;夏威;王炳旭;杨青娅设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于流量多模态特征融合的社交机器人发现方法及系统在说明书摘要公布了：本发明公开了一种基于流量多模态特征融合的社交机器人发现方法及系统。本方法为：1获取T个类型机器人的加密网络流并对其进行标记，得到社交平台上机器人加密流量数据集；其中，fz为第z个机器人的行为序列样本；构建一OBTT模型，其包括原始流量转灰度图模块、原始序列特征编码模块、编码器、解码器、time‑LSTM模块、特征融合模块和全连接神经网络；2利用未标记的机器人加密网络流对OBTT模型进行训练；3利用有标记的社交平台上机器人加密流量数据集对训练后的OBTT模型进行微调；4将待检测的加密网络流输入微调后的OBTT模型，得到对应的机器人类别。本发明增强了对不同机器人行为模式的检测能力。

本发明授权基于流量多模态特征融合的社交机器人发现方法及系统在权利要求书中公布了：1.一种基于流量多模态特征融合的社交机器人发现方法，其步骤包括： 1获取T个类型机器人的加密网络流并对其进行标记，得到社交平台上机器人加密流量数据集；其中，fz为第z个机器人的行为序列样本；构建一OBTT模型，其包括原始流量转灰度图模块、原始序列特征编码模块、编码器、解码器、time-LSTM模块、特征融合模块和全连接神经网络； 2利用未标记的机器人加密网络流对所述OBTT模型进行训练： 21获取同一机器人的多个网络流构成该机器人的行为序列；所述原始流量转灰度图模块将该机器人的行为序列转换为灰度图；将所述灰度图划分为N个图像块patch并对其进行掩码处理，将掩码处理后保留的图像块patch通过线性投影层嵌入到高维空间，将各图像块在高维空间中的位置嵌入添加到对应的图像块patch中作为所述编码器的输入； 22所述编码器计算输入的每个图像块patch相对于所述灰度图中所有其他图像块patch的重要性，并根据计算结果生成对应图像块patch的向量表示；所述第i个图像块patch的向量表示包括第i个图像块patch的特征及其与其他图像块patch之间的依赖关系； 23所述解码器根据图像块patch的向量表示重构出对应的图像块，根据各重构的图像块生成目标图； 24根据该目标图与对应的灰度图计算重构误差，根据所述重构误差反向传播更新OBTT模型； 3利用有标记的社交平台上机器人加密流量数据集对步骤2训练后的OBTT模型进行微调： 31所述原始流量转灰度图模块将行为序列样本fz中的网络流样本进行图形化表达，得到行为序列样本fz的灰度图；将行为序列样本fz的灰度图划分为N个图像块patch并通过线性投影层将各图像块patch嵌入到高维空间，将各图像块在高维空间中的位置嵌入添加到对应的图像块patch中作为两所述编码器的输入；两所述编码器之间共享参数； 32两所述编码器分别生成各图像块patch的向量表示并将其输入所述特征融合模块； 33所述原始序列特征编码模块对所述行为序列样本fz进行特征提取，得到行为序列样本fz的原始序列特征；计算行为序列样本fz中相邻样本之间的时间间隔并将其加入到行为序列样本fz的原始序列特征中，得到行为序列样本fz的包含时间间隔信息的特征序列并将其输入time-LSTM模块； 34所述time-LSTM模块提取行为序列样本fz的特征并输入所述特征融合模块； 35所述特征融合模块对各图像块patch的向量表示、行为序列样本fz的特征进行融合，得到行为序列样本fz对应的嵌入特征并输入所述全连接神经网络进行预测； 36根据预测结果与对应的真实标签之间的误差对步骤2训练后的OBTT模型进行微调； 4将待检测的加密网络流输入步骤3微调后的OBTT模型，得到该待检测的加密网络流对应的机器人类别。

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中国科学院信息工程研究所，其通讯地址为：100085 北京市海淀区树村路19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”。

以上内容由龙图腾AI智能生成。