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！

龙图腾网获悉北京三才智者技术服务有限公司申请的专利基于深度学习的数据安全智能防护方法和装置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：CN121077722B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511161962.X，技术领域涉及：H04L9/40；该发明授权基于深度学习的数据安全智能防护方法和装置是由刘艳萍设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本基于深度学习的数据安全智能防护方法和装置在说明书摘要公布了：本申请公开了一种基于深度学习的数据安全智能防护方法和装置，涉及数据安全技术领域。该方法包括：实时采集云数据中心的多维监测数据，并对所述多维监测数据进行预处理，得到标准化特征向量；将标准化特征向量输入至基于深度学习算法构建的攻击检测模型，进行攻击检测，得到攻击检测结果；根据所述攻击检测结果，生成云数据中心的安全事件告警，并联动对应的安全系统进行自动化响应处置.解决了现有技术存在的效果差、维护成本高、模型泛化能力和鲁棒性不足、训练效果不佳以及检测精度不足的问题。

本发明授权基于深度学习的数据安全智能防护方法和装置在权利要求书中公布了：1.一种基于深度学习的数据安全智能防护方法，其特征在于，所述方法包括： 实时采集云数据中心的多维监测数据，并对所述多维监测数据进行预处理，得到标准化特征向量； 将标准化特征向量输入至基于深度学习算法构建的攻击检测模型，进行攻击检测，得到攻击检测结果； 根据所述攻击检测结果，生成云数据中心的安全事件告警，并联动对应的安全系统进行自动化响应处置； 所述攻击检测模型基于MOHSO-CNN-LSTM-MLP算法构建，且攻击检测模型的构建方法，包括： 连接CNN模块、LSTM模块以及MLP模块，构建初始的攻击检测模型的模型框架； 对历史采集的云数据中心的若干历史多维监测数据进行预处理，并添加预设攻击检测标签，得到训练样本集和测试样本集； 基于训练样本集和测试样本集，使用MOHSO算法，对初始的攻击检测模型进行优化，得到最终的攻击检测模型，包括： 将初始的攻击检测模型的超参数编码为MOHSO算法中MOHSO个体的个体向量，并设定攻击检测模型优化的多目标优化函数； 所述多目标优化函数包括错误率目标函数、复杂度目标函数以及延迟目标函数； 所述超参数包括CNN卷积核数量、LSTM隐藏单元数量、MLP神经元数量、Adam优化器的学习率以及Dropout比率； 将多目标优化函数作为MOHSO算法的适应度函数，并设定MOHSO算法的MOHSO种群参数和最大迭代次数； 根据MOHSO种群参数，使用Logistic混沌映射序列进行初始化，得到初始的MOHSO种群；所述MOHSO种群中每一MOHSO个体对应于一备选的超参数； 在迭代寻优阶段，引入Levy飞行机制和收敛因子调整的搜索步长，对初始的MOHSO种群进行迭代更新，得到更新的MOHSO种群； 基于训练样本集和测试样本集，根据适应度函数，获取更新的MOHSO种群中每一更新的MOHSO个体的适应度值； 根据适应度值，进行最优解选择，并保留在每一次迭代的更新的MOHSO种群的第一最优解； 引入动态反向机制，以反向概率p，生成每一次迭代的更新的MOHSO种群的若干反向解，并在对应的第一最优解和若干反向解中选择第一全局更优解； 引入自适应变异机制，以变异概率q，生成每一次迭代的更新的MOHSO种群的若干变异解，并在对应的第一全局更优解和若干变异解中选择第二全局更优解； 引入模拟退火选择机制，以选择概率P，接受第二全局更优解； 在迭代次数达到最大迭代次数或第二全局更优解的适应度函数值满足要求时，终止迭代更新，并将当前迭代的第二全局更优解作为最终最优解进行输出； 对最终最优解对应的MOHSO个体的个体向量进行解码，得到最优的超参数，并根据最优的超参数，对初始的攻击检测模型进行优化，得到最终的攻击检测模型。

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北京三才智者技术服务有限公司，其通讯地址为：100000 北京市朝阳区五里桥一街1号院15号楼3层301内310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。