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！

龙图腾网获悉东华理工大学南昌校区申请的专利基于云计算的智能安全管理与风险预测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：CN121056234B 。

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：202511555897.9，技术领域涉及：H04L9/40；该发明授权基于云计算的智能安全管理与风险预测方法及系统是由赵美丽;熊国铨;李金萍;兰敏;郭志弘设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于云计算的智能安全管理与风险预测方法及系统在说明书摘要公布了：本发明涉及安全管理与风险预测技术领域，具体为基于云计算的智能安全管理与风险预测方法及系统；所述方法包括：通过云端平台动态接入多源异构数据，经时间对齐与可信度标注形成统一事件表示；构建分层混合概率安全孪生模型，采用可信度加权的在线变分贝叶斯更新动态参数，结合结构自适应、跨对象图正则及物理约束投影，输出状态接口；将孪生状态映射为因果特征，构建可干预因果图，利用可信度加权注意力网络生成因果嵌入，在嵌入空间中模拟干预操作并量化风险概率；生成多候选安全策略，通过多目标效用函数评估排序，执行最优策略后收集反馈数据并更新模型与策略。本发明融合可信度调控、概率孪生和因果干预，支持工业安全场景的实时智能决策。

本发明授权基于云计算的智能安全管理与风险预测方法及系统在权利要求书中公布了：1.一种基于云计算的智能安全管理与风险预测方法，其特征在于，包括以下具体实施步骤： S1、通过云端平台动态接入来自传感器、监控视频解析、运维记录及外部环境情报的多源异构数据，并对多源异构数据进行时间对齐与可信度标注，形成带有可信标签的统一事件表示； S2、基于统一事件表示，构建分层混合概率安全孪生模型，采用可信度加权的在线变分贝叶斯方法动态更新安全孪生模型的参数，并结合结构自适应机制、跨对象图正则化以及物理约束投影，输出包含不确定性与模式演化信息的状态接口； 其中，采用可信度加权的在线变分贝叶斯方法动态更新安全孪生模型的参数的实施过程具体包括： 计算观测数据对于混合分布中各成分的责任值时，引入该观测数据的可信度权重作为调整因子： ； ； 其中，表示未归一化的责任值，即观测xi属于第g层第k个模式的可能性；表示最终归一化后的责任值，即观测xi对该模式的真实贡献度；η表示可信度敏感参数；Kg表示第g层的混合分布成分数量；表示第g层在时刻t下第k个模式成分的概率权重；表示多维高斯分布；Hg表示第g层观测映射矩阵，将隐藏状态转换为观测空间；表示第g层第k模式的协方差矩阵；Rci表示第i条观测的噪声协方差矩阵；ci表示第i条事件数据的可信度权重；表示第g层第k模式的均值向量； 利用经可信度加权后的责任值，在线更新各混合成分的充分统计量，包括加权样本数、加权均值和加权协方差统计量； 更新过程采用带有遗忘因子的在线学习算法，以控制模型更新速度并适应系统状态漂移： ；； ；； 其中，Bt表示在时刻t用于更新的一批观测数据集合；表示第g层第k个模式在时刻t的有效加权样本数；表示第g层第k个模式的加权均值；表示第g层第k个模式的二阶中心化矩阵；ρ表示遗忘因子；reg表示正则化项；t表示学习率调节参数；表示学习率衰减指数； S3、将状态接口中的分层状态、不确定性及演化速率映射为因果特征，构建可干预因果图，利用可信度加权的因果注意力网络生成因果嵌入表示，在因果嵌入空间中模拟干预操作并量化风险概率； S4、基于量化风险概率，生成多候选安全策略，通过多目标效用函数对所述多候选安全策略进行评估和排序，选择并执行最优策略后收集反馈数据，并动态更新所述概率安全孪生模型与策略库。

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东华理工大学南昌校区，其通讯地址为：330000 江西省南昌市经济技术开发区广兰大道418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。