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！

龙图腾网获悉云南省大数据有限公司申请的专利一种基于规则和大模型的安全告警降噪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：CN121350016B 。

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：202511893632.X，技术领域涉及：G06F16/215；该发明授权一种基于规则和大模型的安全告警降噪方法是由普艳红;李亚兵;靳雷;陈嘉清;陶涛;祝烈煌;周永彬;王亚杰;刘洪毅;王加贝;谢真强;罗琳设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种基于规则和大模型的安全告警降噪方法在说明书摘要公布了：本发明涉及一种基于规则和大模型的安全告警降噪方法，属网络安全领域，包括：收集安全告警数据和安全日志并进行预处理；构建一个包含筛选规则库和外挂知识库的动态综合规则知识库，并周期性更新这个动态综合规则知识库；选用安全领域的开源大模型，使用安全领域开源数据集和历史安全告警数据，利用蒸馏技术微调出降噪小模型；采用知识库驱动的周期性微调与动态知识注入的双路径协调机制提升降噪小模型的能力；最后，基于筛选规则库和降噪小模型实现高效准确的告警降噪。本发明有效提升了安全告警降噪的效率和准确率，为网络安全领域提供了一种高效、精准且智能的告警降噪方法。

本发明授权一种基于规则和大模型的安全告警降噪方法在权利要求书中公布了：1.一种基于规则和大模型的安全告警降噪方法，其特征在于：所述方法包括： S1.安全告警数据的收集与预处理：从多种安全设备中收集安全告警数据和安全日志并进行预处理； S2.构建动态综合规则知识库：构建一个包含筛选规则库和外挂知识库的动态综合规则知识库，并周期性更新这个动态综合规则知识库； S3.基于安全领域开源大模型构建降噪小模型：选用安全领域的开源大模型，使用安全领域开源数据集和历史安全告警数据，利用蒸馏技术微调出降噪小模型； S4.通过外挂知识库持续增强与驱动降噪小模型能力：采用知识库驱动的周期性微调与动态知识注入的双路径协调机制提升降噪小模型的能力； S5.全流程自动告警降噪：收集和预处理安全告警数据后，并行或串行地进入S2构建的动态综合规则知识库和S4中增强的降噪小模型对安全告警数据进行多维度分析与交叉验证； 所述S3还包括； S31.确定教师模型并准备用于蒸馏训练的数据集； 选用一个在安全领域预训练的开源大模型作为教师模型；同时，准备数据集，其中，代表经过S1步骤预处理的第i个安全告警数据样本，代表第i个安全告警数据样本对应的真实类别标签，表示数据集中样本的总数量；数据集包括安全领域开源数据集以及企业内部经过S1步骤预处理并标注的历史安全告警数据； S32.在教师模型和数据集准备就绪后，执行知识蒸馏的训练流程，用于训练学生模型；教师模型处理每个安全告警数据样本，并输出其对该样本的预测通过在教师模型的输出层应用带有温度参数的Softmax函数获得： 其中，表示教师模型对于安全告警数据样本属于类别的未经Softmax归一化的原始输出，j是求和操作中的索引变量，用于遍历所有可能的输出类别，就是类别索引，表示教师模型对输入的安全告警数据样本属于第j个类别的未经Softmax归一化的原始输出； 学生模型则通过其自身的网络结构处理相同的安全告警数据样本，并尝试模仿教师模型输出软目标： ； 其中，表示学生模型对于安全告警数据样本属于类别的未经Softmax归一化的原始输出； 知识蒸馏的损失函数是两部分损失的加权结合： ； 其中，是权重参数，用于平衡软目标损失和硬标签损失的重要性； 是学生模型预测与教师模型软目标之间的KL散度损失，促使学生模型模仿教师模型的判断逻辑： ； 是学生模型预测与原始硬标签之间的交叉熵损失，用于确保学生模型学习到正确的分类： ； 其中，是自然对数，是指示函数，当安全告警数据样本的真实类别等于类别时，指示函数值为1；否则为0； S33.对蒸馏得到的降噪小模型，即学生模型进行进一步的微调与性能评估，利用安全告警数据和从外挂知识库中提取的最新代表性样本来强化小模型在安全告警降噪任务上的性能和对新威胁的泛化能力，完成训练后，对降噪小模型进行多维度的性能评估。

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云南省大数据有限公司，其通讯地址为：650213 云南省昆明市官渡区矣六街道商海路云南数字文旅产业园44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。