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！

龙图腾网获悉浪潮云信息技术股份公司申请的专利一种基于改进支持向量机的动态威胁图谱生成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：CN118631531B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202410764680.8，技术领域涉及：H04L9/40；该发明授权一种基于改进支持向量机的动态威胁图谱生成方法及系统是由孙志程;郝益壮;门祝康设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本一种基于改进支持向量机的动态威胁图谱生成方法及系统在说明书摘要公布了：本发明特别涉及一种基于改进支持向量机的动态威胁图谱生成方法及系统。该基于改进支持向量机的动态威胁图谱生成方法及系统，从文本及机器数据中智能化的提取关键知识信息，基于改进的支持向量机算法构建动态的威胁图谱生成引擎，产出综合且关联的情报图谱数据，使威胁图谱系统主动识别未知攻击。该基于改进支持向量机的动态威胁图谱生成方法及系统，将原有依赖专家规则的方式转化为无规则的威胁图谱生成引擎，从而降低了规则检测的误报率，提高了现有威胁的检出效率，有效保证了云中心整体业务的稳定性。

本发明授权一种基于改进支持向量机的动态威胁图谱生成方法及系统在权利要求书中公布了：1.一种基于改进支持向量机的动态威胁图谱生成方法，其特征在于：从文本及机器数据中智能化的提取关键知识信息，基于改进的支持向量机算法构建动态的威胁图谱生成引擎，产出综合且关联的情报图谱数据，使威胁图谱系统主动识别未知攻击； 包括以下步骤： 步骤S1、知识学习 以互联网上公开或者半公开的文本数据为原始语料进行数据读取，并对读取的数据进行分类与清洗，最后对清洗后的情报数据进行半自动化的人工标注，构建初级的情报语料库； 经过白名单过滤后得到情报知识库集合E，P，生成mi维向量，mi为当前白名单维度，E为漏洞集合，P为黑客组织集合； 步骤S2、行为实体建模 基于情报语料库进行威胁知识抽取与数据分类统计，实现数据聚类分析，得到威胁情报数据；构建威胁知识预测模型，并利用支持向量机算法对情报数据进行训练； 抽取威胁知识时，以时间维度为序列，对事件、风险和威胁知识进行抽取；基于事件、风险和威胁知识三元组构建威胁知识预测模型； 所述步骤S2中，由于支持向量机算法在预测模型时存在训练过程参数选取盲目性的问题，构建威胁知识预测模型时，采用粒子群优化算法对所选的参数进行优化，从而提高预测模型准确度； 具体步骤如下： 步骤S2.1、将情报知识库与内置的特征库进行特征码匹配，若匹配成功，则终止匹配过程，并将匹配结果数据标记存储；若特征库中所有的特征均匹配失败，则终止匹配； 步骤S2.2、读取预制的模型训练样本集，将抽取的事件、风险和威胁知识三元组作为初始训练参数完成对支持向量机模型的第一次训练，得到初始预测模型； 所述支持向量机模型采用次梯度下降算法，公式如下： 其中，m为事件集合，当前白名单维度mi为事件集合m中的第i个元素；xi为第i个风险元素，yi为第i个威胁知识，n为循环次数； 步骤S2.3、继续读取模型训练样本集，并利用初始预测模型完成测试样本的态势值预测，得到初始预测结果； 步骤S2.4、采用粒子群算法对预测结果进行修正； 所述粒子群算法的适应度评价函数R公式如下： 其中，f1n为初始预测结果，f2n为测试样本集中的真实态势值； 所述适应度评价函数R用于计算初始预测结果与测试样本集中真实态势值的误差；当适应度评价函数R满足整个收敛条件时，则初始预测模型即为最终预测模型，否则粒子群算法迭代并将第二组训练参数传递给支持向量机模型，由支持向量机模型重新读取训练样本集进行第二次训练得到第二代预测模型，再利用测试样本集检验第二代预测模型精度；以此类推，直至得到满足适应度评价函数R收敛条件的最终预测模型为止；输出预测结果； 步骤S3、生成动态威胁图谱 针对步骤S2中经过行为实体建模之后得到的威胁情报数据进行威胁刻画，构建威胁图谱。

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浪潮云信息技术股份公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号浪潮科技园S01号楼；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。