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！

龙图腾网获悉首都医科大学申请的专利基于多模态特征融合与动态行为分析的弱密码检测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：CN120893032B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511050740.0，技术领域涉及：G06F21/46；该发明授权基于多模态特征融合与动态行为分析的弱密码检测方法是由程岚;连继光;欧阳思远;赵志强;张伟;谷宇;肖剑锋;梁爽;刘海宁设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本基于多模态特征融合与动态行为分析的弱密码检测方法在说明书摘要公布了：本申请提供一种基于多模态特征融合与动态行为分析的弱密码检测方法。该方法创新性地引入多维度特征提取，包含密码熵值、语义关联性、用户历史行为、系统登录频率等，以提高用户特征适配，降低对静态字典的依赖性；此外，通过实时交互式反馈，还可以实现密码强度评估与安全建议的即时推送。因此，通过本申请的方法，可以解决现有弱密码检测技术中静态字典依赖性强、用户特征适配不足、实时反馈缺失的问题，显著提升高校弱密码检测精度与防御效率，为教育行业提供了一种高效、易部署的密码安全解决方案。

本发明授权基于多模态特征融合与动态行为分析的弱密码检测方法在权利要求书中公布了：1.一种基于多模态特征融合与动态行为分析的弱密码检测方法，其特征在于，包括： 步骤S1：获取用户在注册或修改密码时输入的密码文本、相应时刻的环境参数以及该用户的用户身份信息；其中，所述环境参数包括登录时间、登录IP的地理位置、设备指纹； 步骤S2：基于所述密码文本、环境参数和用户身份信息，进行多模态特征提取； 步骤S3：对提取的多模态特征和所述密码文本的字符序列分别进行向量表示，并输入到预先训练的基于迁移学习的弱密码预测模型，得到密码强度评分； 步骤S4：基于所述密码强度评分，确定所述密码文本的强度等级，并向用户进行可视化展示；其中，若确定所述密码文本为弱密码，则同步展示修改建议； 所述步骤S2包括： 步骤S21：基于所述密码文本计算密码熵值，所述密码熵值包括相对长度评分、字符类型评分和相邻字符的二元组随机性评分，计算公式为： 式中，表示相对长度评分，表示字符类型评分，表示相邻字符的二元组随机性评分，表示用户输入的密码文本的字符长度，表示密码文本的最大允许长度，表示第种字符的权重，表示大写字母，表示小写字母，表示数字，表示符号，表示第种字符的数量，表示密码文本中的第个字符，表示相邻字符对的出现频率； 步骤S22：基于用户输入的密码文本和用户身份信息，确定所述密码文本与用户身份的关联度，公式表示为： 式中，表示基于用户身份信息、通过正则模板集生成的弱密码集合，表示集合中的第个弱密码，表示密码文本与用户身份的关联度结果，表示用户输入的密码文本，为示性函数，用于判断密码是否为的模式，是则为1，否则为0； 步骤S23：基于所述环境参数，确定用户行为模式，公式表示为： 式中，表示登录频率特征，表示登陆地异常特征，为示性函数，失败率表示登录失败的次数占总登录数的比率，表示对登录IP的风险评分； 步骤S24：基于所述环境参数，计算环境风险因子，公式表示为： 式中，表示环境风险因子，表示检测登录IP是否为Tor匿名网络节点，值为0或1，表示登录时间与用户历史行为的偏离程度，值越接近1异常程度越高，表示用户更换登录设备的频率，值越接近1，频率越高，表示对应的权重，。

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首都医科大学，其通讯地址为：100071 北京市丰台区右安门外西头条10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。