買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉大連大學申請的專利一種基于降噪自編碼核密度估計的網絡安全態勢評估方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114547608B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210108654.0，技術領域涉及：G06F21/56；該發明授權一種基于降噪自編碼核密度估計的網絡安全態勢評估方法是由杜秀麗;陶帆;宋林凱;呂亞娜;邱少明設計研發完成，并于2022-01-28向國家知識產權局提交的專利申請。

本一種基于降噪自編碼核密度估計的網絡安全態勢評估方法在說明書摘要公布了：本發明公開了一種基于降噪自編碼核密度估計的網絡安全態勢評估方法，屬于計算機網絡安全領域，包括以下步驟：獲取網絡流數據作為態勢數據；對所述態勢數據進行預處理；對預處理后的態勢數據按照比例劃分出訓練集數據和測試集數據；基于訓練集數據構建降噪自編碼網絡及核密碼估計模型；將測試集數據依次輸入到降噪自編碼網絡及核密碼估計模型中，得到網絡流數據的威脅發生概率；基于網絡流數據的威脅發生概率，對網絡態勢進行安全評估，確定網絡安全態勢的級別；利用降噪自編碼網絡處理冗余信息和非線性特征學習的能力對網絡態勢數據進行降維并提取態勢潛藏特征，結合無參數估計的優勢提出核密度估計對潛藏特征進行密度概率估計得到威脅發生概率。

本發明授權一種基于降噪自編碼核密度估計的網絡安全態勢評估方法在權利要求書中公布了：1.一種基于降噪自編碼核密度估計的網絡安全態勢評估方法，其特征在于，包括以下步驟： 獲取網絡流數據作為態勢數據； 對所述態勢數據進行預處理；對預處理后的態勢數據按照比例劃分出訓練集數據和測試集數據； 基于訓練集數據構建降噪自編碼網絡及核密度估計模型； 將測試集數據依次輸入到降噪自編碼網絡及核密度估計模型中，得到網絡流數據的威脅發生概率； 基于網絡流數據的威脅發生概率，對網絡態勢進行安全評估，確定網絡安全態勢的級別； 基于訓練集數據構建降噪自編碼網絡及核密度估計模型的過程如下：將訓練集數據依次輸入到降噪自編碼網絡中對降噪自編碼網絡進行訓練，得到網絡流數據的隱層特征；將網絡流數據的隱層特征輸入到核密度模型中，對核密度進行訓練，構建降噪自編碼網絡及核密度估計模型，具體過程如下： 步驟1：設定最大訓練次數； 步驟2：初始化降噪自編碼網絡的參數； 步驟3：將訓練集數據輸入到降噪自編碼網絡中，對輸入數據依次進行以下計算： （1） （2） （3） 、、分別表示輸入層數據、隱藏層數據、輸出數據；表示之間的隨機分布，為噪聲因子；和分別表示編解碼過程中的非線性激勵函數；和是權重參數、和是偏置； 步驟4：利用重構誤差計算公式計算重構誤差； 步驟5：最小化重構誤差；調整權重和偏置參數； 步驟6：判斷訓練計數值k是否大于設定的最大訓練次數，如果大于，降噪自編網絡的訓練完成，否則k=k+1，將調整權重和偏置參數，返回步驟3； 步驟7：將訓練數據再次輸入到訓練好的降噪自編碼網絡中并獲取隱藏層特征數據； 步驟8：選取高斯函數作為核密度估計模型的核函數并設定其窗寬的值； 步驟9：將隱藏層特征數據作為輸入通過核密度估計公式構建核密度估計模型，得到訓練數據的概率密度分布； 選定降噪自編碼網絡的參數為：降噪自編碼網絡的輸入神經元和輸出神經元均為78個，隱含層神經元根據確定為9個，其中m為輸入神經元個數，誤差函數為均方誤差函數，優化器為Adagrad，編碼器及解碼器的激勵函數均為Sigmoid函數，學習率為0.01，迭代次數為100，batch為300，噪聲因子為0.4，核密度估計模型的核函數為高斯函數，其參數窗寬根據為2.1213。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人大連大學，其通訊地址為：116622 遼寧省大連市金州新區學府大街10號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。