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！

龙图腾网获悉山东三木众合信息科技股份有限公司;聊城大学东昌学院申请的专利基于多模态深度学习的网络入侵检测方法和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：CN120498883B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510909760.2，技术领域涉及：H04L9/40；该发明授权基于多模态深度学习的网络入侵检测方法和系统是由郭良;李琳设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本基于多模态深度学习的网络入侵检测方法和系统在说明书摘要公布了：本发明属于互联网安全技术领域，本发明公开了基于多模态深度学习的网络入侵检测方法和系统，包括对来自不同渠道的多源数据进行采集与模态归属，构建时间连续的多轨动态感知轨道集合，集成模态注意力分配机制，根据每类模态在不同感知轨道下的模态感能复合子，动态分配模态参数，输出多轨模态融合后的初始索引张量；接收初始索引张量，通过构建模态与轨道之间的双向响应张量，建立跨模态依赖关系；基于跨模态依赖关系中的语义标签构建语义触发矩阵，采用交叉模态残差连接机制，通过并行残差路径保留低阶模态耦合特征，并输出模态联动节点；提升了检测对复杂入侵行为的辨识能力，实现了对复杂网络攻击行为更全面、精确的检测。

本发明授权基于多模态深度学习的网络入侵检测方法和系统在权利要求书中公布了：1.基于多模态深度学习的网络入侵检测方法，其特征在于，包括： S1、对来自不同渠道的多源数据进行采集与模态归属，构建时间连续的多轨动态感知轨道集合，集成模态注意力分配机制，根据每类模态在不同感知轨道下的模态感能复合子，动态分配模态参数，输出多轨模态融合后的初始索引张量； 所述初始索引张量的获取方法包括： 针对每一类模态对应的感知轨道，在每个时间窗口内提取该模态的模态感能因子集，作为模态在该时间段内的状态刻画指标，状态刻画指标包括网络模态的通信负载、异常协议触发率、系统模态的调用序列熵值、资源访问次数密度、用户模态的操作跳变频度、上下文模态的环境变量稳定度和设备变换率； 将模态感能因子集进行时序聚合与归一化计算，形成用于感知的模态感能复合子；使用加权打分函数对每条感知轨道在预设时间窗口内的模态感能复合子进行评分，获取模态注意力分数； 引入注意力分配机制，依据各感知轨道的模态感能复合子，对模态注意力分数进行归一化，计算其在当前多轨动态感知轨道集合中的注意力权重；考虑模态间的交叉依赖概率，对注意力权重进行调优，将调优后的注意力权重映射为模态参数权重因子，进行注意力分配； 基于注意力分配结果，对每一感知轨道赋予相应的模态参数权重因子，预设模态注意力分数阈值，对大于预设模态注意力分数阈值的模态进行特征提取增强处理，对小于预设模态注意力分数阈值的模态执行降维操作； 在完成对各感知轨道的调优和分配后，基于模态参数权重因子对多轨动态感知轨道的模态感能复合子进行加权融合，将融合后的模态感能复合子按统一格式封装为初始索引张量； S2、接收初始索引张量，通过构建模态与轨道之间的双向响应张量，建立跨模态依赖关系；基于跨模态依赖关系中的语义标签构建语义触发矩阵，采用交叉模态残差连接机制，通过并行残差路径保留低阶模态耦合特征，并输出模态联动节点； S3、根据语义触发矩阵输出的模态联动节点，构建多模态行为聚合图谱，提取多模态行为聚合图谱中出现的高度聚集子图和频繁路径模式，生成标注有异常置信度的异常行为图谱结构体； S4、基于异常行为图谱结构体，通过图结构回溯与模式反演分析，提取具备时间约束和行为逻辑因果链条的攻击子路径；采用异常行为因果链条回溯机制，追踪异常行为的最小可溯触发单元，并结合预设正常行为模板图生成攻击图微分结构； S5、对攻击图微分结构进行模态信源可溯性打标，检测模态参数结构变异情况，构建多模态时序感知向量组，并输入至预构建的深度联合判别器中进行网络入侵行为检测；当检测到模态漂移或轨道结构异常时，触发入侵响应机制，并将检测结果推送至网络安全响应终端。

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山东三木众合信息科技股份有限公司;聊城大学东昌学院，其通讯地址为：252000 山东省聊城市高新技术产业开发区九州街道庐山路东淮河路南基金大厦11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。