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！

龙图腾网获悉陆泽科技有限公司申请的专利一种违规网站识别与线索归因方法、装置、设备、介质及产品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：CN120974031B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511492719.6，技术领域涉及：G06F16/958；该发明授权一种违规网站识别与线索归因方法、装置、设备、介质及产品是由杨玉麟;方金朋;刘向东设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种违规网站识别与线索归因方法、装置、设备、介质及产品在说明书摘要公布了：本申请公开了一种违规网站识别与线索归因方法、装置、设备、介质及产品，涉及互联网信息安全领域，该方法包括：针对任一目标网站，采集所述目标网站的多源异构数据；对多源异构数据进行特征提取，得到结构化特征向量；根据结构化特征向量，采用预先训练好的深度学习分类模型，确定目标网站的违规概率；对高概率违规网站列表中的目标网站进行关联性分析，构建网络关联图；高概率违规网站列表中包括违规概率高于设定阈值的目标网站；采用社区发现算法对网络关联图进行聚类，确定违规网站的运营主体信息。本申请通过多源异构数据特征提取、深度学习分类和图关联分析，实现了对违规网站的自动化准确识别及其背后运营主体的归因分析。

本发明授权一种违规网站识别与线索归因方法、装置、设备、介质及产品在权利要求书中公布了：1.一种违规网站识别与线索归因方法，其特征在于，所述方法包括： 针对任一目标网站，采集所述目标网站的多源异构数据； 对所述多源异构数据进行特征提取，得到结构化特征向量；所述结构化特征向量包括文本语义特征、图像视觉特征、网络结构特征及元数据特征； 根据所述结构化特征向量，采用预先训练好的深度学习分类模型，确定所述目标网站的违规概率； 所述深度学习分类模型包括语义编码器、特征提取器、全连接层、分类器及Softmax层；根据所述结构化特征向量，采用预先训练好的深度学习分类模型，确定所述目标网站的违规概率，具体包括：采用语义编码器对所述文本语义特征进行特征提取，得到文本语义嵌入向量；采用特征提取器对所述图像视觉特征进行特征提取，得到图像视觉嵌入向量；将所述网络结构特征与所述元数据特征进行拼接后，采用全连接层进行非线性变换和降维处理，得到抽象特征向量；将所述文本语义嵌入向量、所述图像视觉嵌入向量及所述抽象特征向量进行融合，得到融合特征向量；具体在早期融合策略是简单的向量拼接，在中期融合策略采用加权拼接或通过注意力机制，在晚期融合策略为模型级融合；根据所述融合特征向量，采用分类器确定所述目标网站的类别，并采用Softmax层输出每个类别的预测概率，以确定所述目标网站的违规概率；所述类别为违规或正常； 对高概率违规网站列表中的目标网站进行关联性分析，构建网络关联图，具体包括：初始化图结构；所述图结构中的每个节点对应一个目标网站；针对所述高概率违规网站列表中的任意两个目标网站，采用预定义的关联规则计算两个目标网站的关联强度，得到每个关联规则对应的关联强度；所述关联规则包括：元数据匹配、内容相似度及公共资源匹配；根据各关联规则对应的关联强度，计算两个目标网站之间的综合关联强度：；其中，W为两个目标网站之间的综合关联强度，为元数据匹配对应的关联强度，为内容相似度对应的关联强度，n为关联规则的总数，为第n-2条关联规则到第n条关联规则对应的关联强度；若综合关联强度大于设定强度阈值，则在所述图结构中两个目标网站对应的节点之间添加一条边，并将综合关联强度作为边的权重，否则不添加边，以得到网络关联图；所述网络关联图为加权无向图；所述高概率违规网站列表中包括违规概率高于设定阈值的目标网站； 采用社区发现算法对所述网络关联图进行聚类，确定违规网站的运营主体信息。

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陆泽科技有限公司，其通讯地址为：116023 辽宁省大连市沙河口区软件园路8-4号B3座三层；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。