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！

龙图腾网获悉湖南蛛蛛机器人科技有限公司申请的专利基于深度学习的计算机网络安全防护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：CN121217477B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511757846.4，技术领域涉及：H04L9/40；该发明授权基于深度学习的计算机网络安全防护方法及系统是由季征南;吴英;梁晶晶;卢廿廿设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于深度学习的计算机网络安全防护方法及系统在说明书摘要公布了：本发明公开了基于深度学习的计算机网络安全防护方法及系统，通过将标准多模态数据输入至多通道协同深度检测模型中，利用TCN时间卷积网络提取网络流量中的空间局部特征向量，通过GRU门控循环单元与自注意力机制相结合的网络分析用户行为序列中的长程时序依赖关系，采用预训练的DeBERTa大型语言模型进行深度语义分析，提取异常语义特征向量，得到多模态特征向量；通过跨模态注意力融合对多模态特征向量进行融合后输入全连接网络中进行融合分析，输出威胁评分指数；基于Apriori关联算法根据所述威胁评分指数生成计算机网络安全的防护策略，并根据防护策略进行执行。为网络安全提供高效快速的保障。

本发明授权基于深度学习的计算机网络安全防护方法及系统在权利要求书中公布了：1.基于深度学习的计算机网络安全防护方法，其特征在于，所述计算机网络安全防护方法包括以下步骤： 采集网络中的多模态原始数据，对采集的数据进行标准化、去噪和标注预处理，得到标准多模态数据； 将标准多模态数据输入至多通道协同深度检测模型中，利用TCN时间卷积网络提取网络流量中的空间局部特征向量，通过GRU门控循环单元与自注意力机制相结合的网络分析用户行为序列中的长程时序依赖关系，采用预训练的DeBERTa大型语言模型进行深度语义分析，提取异常语义特征向量，得到多模态特征向量； 通过跨模态注意力融合对多模态特征向量进行融合后输入全连接网络中进行融合分析，输出威胁评分指数； 基于Apriori关联算法根据所述威胁评分指数生成计算机网络安全的防护策略，并根据防护策略进行执行； 所述将标准多模态数据输入至多通道协同深度检测模型中，利用TCN时间卷积网络提取网络流量中的空间局部特征向量，包括： 将标准多模态数据按时间序列分段，形成二维输入矩阵，包括样本数、时间步长和流量特征数； 设置TCN网络的卷积核大小为3-5，卷积层数为3-5层，每层采用因果卷积，并加入膨胀卷积扩大感受野；激活函数选用ReLU，避免梯度消失，通过全局平均池化层输出网络流量的空间局部特征向量； 所述通过GRU门控循环单元与自注意力机制相结合的网络分析用户行为序列中的长程时序依赖关系，包括： 将用户行为序列数据转换为时序向量后，输入GRU网络，通过重置门和更新门学习序列短期依赖，输出时序特征向量； 将GRU输出的时序特征向量作为自注意力层输入，计算每个时间步特征与其他时间步的注意力权重，权重归一化后加权求和，得到包含长程时序依赖的行为特征向量； 所述采用预训练的DeBERTa大型语言模型进行深度语义分析，提取异常语义特征向量，得到多模态特征向量，包括： 将标注后的文本数据按DeBERTa输入格式处理，通过预训练词表将文本转换为词嵌入向量，加入位置嵌入与段落嵌入，形成文本输入矩阵； 加载预训练的DeBERTa模型，冻结底层10-12层参数，微调顶层2-4层；通过双向注意力机制捕捉文本上下文语义，在输出层添加二分类任务头，提取文本数据的异常语义特征向量。

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湖南蛛蛛机器人科技有限公司，其通讯地址为：410000 湖南省长沙市雨花区振华路199号湖南环保科技产业园创业中心101(544室)；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。