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！

龙图腾网获悉广州大学申请的专利基于蜜点情报与邻域权重自适应更新的节点特征构造方法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：CN119670810B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411678816.X，技术领域涉及：G06N3/045；该发明授权基于蜜点情报与邻域权重自适应更新的节点特征构造方法是由仇晶;宗熠;陈荣融;倪晓雅;肖千龙;田志宏;纪守领;张乐君;刘园;胡铭浩;高成亮;陈玺名;安西康;李思颖;汤菲设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于蜜点情报与邻域权重自适应更新的节点特征构造方法在说明书摘要公布了：本发明公开了一种基于蜜点情报与邻域权重自适应更新的节点特征构造方法，首先对输入溯源图中的节点和边进行特征提取生成每个节点的初始特征向量；接着对溯源图中的目标节点，采用均值聚合方法将其L阶范围内邻居节点的初始特征向量进行聚合，生成固定维度的邻居特征矩阵；最后采用基于注意力机制的特征更新方法将邻居特征矩阵与目标节点的初始特征向量相结合进行更新，并引入邻域自适应权重动态调节每阶邻域特征在注意力分数中的权重，得到更新后目标节点的特征。由此，本发明不仅在特征聚合过程中动态调整权重，还将图中节点的实时变化融入到特征更新中，使得节点特征能够及时反映场景的动态变化，从而显著提升节点特征的差异化表达能力。

本发明授权基于蜜点情报与邻域权重自适应更新的节点特征构造方法在权利要求书中公布了：1.基于蜜点情报与邻域权重自适应更新的节点特征构造方法，其特征在于，包括下述步骤： 对输入溯源图中的节点和边进行初始特征提取，并通过映射函数为其分配标签值，生成每个节点的初始特征向量； 对于溯源图中的目标节点，采用均值聚合方法将目标节点L阶范围内的邻居节点的初始特征向量进行聚合，生成固定维度的邻居特征矩阵； 采用基于注意力机制的特征更新方法将邻居特征矩阵与目标节点的初始特征向量相结合进行更新，并引入邻域自适应权重动态调节每阶邻域特征在注意力分数中的权重，得到更新后目标节点的特征； 所述得到更新后目标节点的特征，具体为： 基于目标节点每一阶邻居特征矩阵的平均度数和全局平均度数间的偏差计算自适应权重系数； 根据自适应权重系数、目标节点的初始特征表示及目标节点每一阶的邻居特征矩阵通过注意力机制，计算目标节点每一阶邻居特征矩阵的自适应权重； 依据自适应权重和目标节点每一阶的邻居特征矩阵，通过多头注意力机制进行融合更新，得到更新后目标节点的特征； 所述计算自适应权重系数，具体为： 计算目标节点每一阶邻居特征矩阵的平均度数，公式为： ， 其中，avg_degreel为目标节点第l阶邻居特征矩阵的平均度数，dl为目标节点第l阶邻居节点的度数之和，nl为目标节点第l阶邻居节点的数量；dl和nl均由盾立方的蜜点情报统计得出；L为设定的目标节点与邻居节点间的最大阶数； 计算目标节点所有邻居节点的全局平均度数，公式为： ， 其中，μ为目标节点所有邻居节点的全局平均度数，V为目标节点L阶范围内的所有邻居节点集合，|V|为目标节点L阶范围内的所有邻居节点的数量； 根据目标节点每一阶邻居节点的平均度数和全局平均度数间的偏差计算自适应权重系数，公式为： ， 其中，αl为目标节点第l阶邻居特征矩阵的自适应权重系数，β为控制超参数，根据安全专家的经验设定； 所述自适应权重的计算公式为： ， 其中，为目标节点第l阶邻居特征矩阵的自适应权重，Hl为目标节点第l阶的邻居特征矩阵，Hi为第i个目标节点的初始特征向量，WQ、WK分别为注意力机制中查询向量和键向量的权重矩阵，αl为目标节点第l阶邻居特征矩阵的自适应权重系数，d为缩放因子，L为设定的目标节点与邻居节点间的最大阶数。

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广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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。