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！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成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：CN119966695B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510075795.0，技术领域涉及：H04L9/40；该发明授权一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成方法是由陈自刚;曹正;朱海华;陈龙设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成方法在说明书摘要公布了：本发明公开了一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图ASG生成方法。该方法结合深度学习模型与自然语言处理技术，提升了攻击场景图生成的效率和准确性。步骤包括：采集网络威胁情报并利用改进的BERT‑BiLSTM‑CRF模型进行实体识别，结合正则表达式识别威胁攻击实体；采用CR‑M‑SpanBERT模型进行核心指代解析，捕获实体间的语义上下文依赖关系；使用依存解析技术提取文本的双向上下文语义依赖关系，并结合RoBERTa‑BiGRU生成嵌入表示；最终，基于BERT‑RE模型提取三元组信息，生成攻击场景图。本发明提高了复杂网络威胁情报数据的处理能力，具有较强的鲁棒性和适应性，特别适用于多模态威胁情报。

本发明授权一种基于深度学习与自然语言处理的网络威胁情报分析攻击场景图(ASG)生成方法在权利要求书中公布了：1.一种基于网络威胁情报分析的攻击场景图ASG生成方法，其特征在于，所述基于网络威胁情报分析的攻击场景图生成方法，该方法包括： S1，采集网络威胁情报信息，并通过预训练的深度学习模型进行实体识别，所述模型基于改进的BERT-BiLSTM-CRF结构，在模型输入阶段，结合正则表达式对特定模式的实体进行匹配与标准化处理，并生成BIO标注序列输入BERT-BiLSTM-CRF模型；其中，BERT模块通过预训练生成词向量，并结合双向LSTM和CRF进行实体识别； S2，对已识别的威胁实体进行核心指代解析，其中采用CR-M-SpanBERT模型捕获实体间的语义上下文依赖关系； S3，利用依存解析技术提取文本中的双向上下文语义依赖关系，获取与威胁实体相关的主语、动词、宾语等五元组数据，并结合RoBERTa-BiGRU生成嵌入表示； S4，使用BERT-RE模型提取三元组为构建出最终的网络威胁相关的攻击场景图ASG做准备，包括： S4.1，接收来自S3的输出五元组嵌入表示，包括主语S、谓语P、宾语O、上下文条件C及时间标记T； S4.2，对五元组基于上下文条件C和时间标记T进行语义过滤，保留高置信度的实体关系数据； S4.3，利用BERT-RE模型对每个五元组进行关系预测，首先使用BERT的嵌入层生成输入文本的语义特征，并独立优化主语、谓语及宾语的嵌入表示，以确保实体关系的精确性，接着，采用SoftMax分类器对所有可能的关系进行打分，并通过交叉熵损失函数对关系进行优化，交叉熵损失函数的目标是最大化正确关系的概率，从而提升关系分类的准确性，最终，输出已分类的三元组集合，并标注每个三元组的关系类型； S4.4，结合五元组嵌入对三元组预测结果进行优化，消除冗余和矛盾数据； S4.5，经过优化后的三元组集合将作为攻击场景图生成的基础输入，进入下一步的图结构构建，在此步骤中，我们将从S4生成的三元组集合中提取节点集合V和边集合E，并将这些三元组映射为图中的节点和边，最终构建出攻击场景图ASG的初步结构； S5，攻击场景图ASG生成。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2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。