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！

龙图腾网获悉南京博晟宇网络科技有限公司申请的专利基于深度强化学习的涉诈网页实时异常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：CN121193543B 。

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：202511725811.2，技术领域涉及：H04L9/40；该发明授权基于深度强化学习的涉诈网页实时异常检测方法是由阮宝江;刘晶;王飞;蒋丹设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本基于深度强化学习的涉诈网页实时异常检测方法在说明书摘要公布了：本发明涉及强化学习技术领域，公开了基于深度强化学习的涉诈网页实时异常检测方法，包括：通过网页渲染工具对目标网页进行渲染，经视觉分割获得视觉块集合，以视觉块为节点、依据其邻接关系构建视觉邻接图；识别网页的封装边界，并基于节点到封装边界的图距筛选出边界邻域边集；计算视觉邻接图中各边的离散曲率，并通过边界邻域边集与其余边集的负曲率质量密度比值得到异常指数；基于异常指数及其统计量构建状态向量，利用深度强化学习策略选择微探测动作动态更新异常指数与状态向量，直至策略输出终止指令并锁定邻接图；在锁定图中基于离散曲率构建节点与边特征，将异常指数输入图神经网络，经消息传递与特征读出，输出涉诈风险概率。

本发明授权基于深度强化学习的涉诈网页实时异常检测方法在权利要求书中公布了：1.基于深度强化学习的涉诈网页实时异常检测方法，其特征在于，包括： S1，通过网页渲染工具渲染目标网页，经视觉分割获得视觉块集合，以视觉块为节点、依据视觉块的邻接关系构建视觉邻接图； S2，识别网页的封装边界，基于节点到该封装边界的图距，筛选出视觉邻接图中的边界邻域边集； S3，计算视觉邻接图各边的离散曲率，通过边界邻域边集与其余边集的负曲率质量密度比值，得到异常指数，包括： 对视觉邻接图中的每条边，确定该边的两个端点分别为第一节点和第二节点； 计算第一节点的度数，包括：统计视觉邻接图中与第一节点相连的所有边的数量，得到第一节点的度数； 计算第二节点的度数，包括：统计视觉邻接图中与第二节点相连的所有边的数量，得到第二节点的度数； 计算共享三角数量，包括：找出视觉邻接图中既与第一节点相连又与第二节点相连的所有节点，统计这些节点的数量，得到共享三角数量； 设定基项常数为四，设定三角加权常数为三； 计算离散曲率，包括：用基项常数减去第一节点的度数，再减去第二节点的度数，然后加上三角加权常数与共享三角数量的乘积，得到该边的离散曲率； 确定其余边集，其余边集为从视觉邻接图的视觉邻接边集合中剔除边界邻域边集后剩余的边组成的集合； 对视觉邻接边集合中的每条边，获取该边的离散曲率，计算该边的负曲率单元，包括：将该边的离散曲率取负值，取该负值与零中的较大值作为该边的负曲率单元； 计算边界邻域边集的负曲率质量总量，包括：累加边界邻域边集中所有边各自对应的负曲率单元，得到边界邻域边集的负曲率质量总量； 计算其余边集的负曲率质量总量，包括：累加其余边集中所有边各自对应的负曲率单元，得到其余边集的负曲率质量总量； 计算边界邻域边集的负曲率质量密度，包括：统计边界邻域边集中边的数量，用边界邻域边集的负曲率质量总量除以该数量，得到边界邻域边集的负曲率质量密度； 计算其余边集的负曲率质量密度，包括：统计其余边集中边的数量，用其余边集的负曲率质量总量除以该数量，得到其余边集的负曲率质量密度；设定稳定常数，稳定常数的取值为10的负6次方； 计算异常指数，包括：用边界邻域边集的负曲率质量密度，除以其余边集的负曲率质量密度与稳定常数的和，得到异常指数； S4，基于异常指数及其统计量构建状态向量，通过预设深度强化学习策略选取微探测动作，循环更新异常指数与状态向量，直至策略输出终止指令并锁定当前邻接图； S5，基于离散曲率为锁定的邻接图构建节点与边特征，搭配异常指数输入图神经网络，经消息传递与特征读出输出涉诈风险概率。

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南京博晟宇网络科技有限公司，其通讯地址为：211102 江苏省南京市江宁区秣陵街道吉印大道3118号31幢(江宁开发区)；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。