買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉電子科技大學(xué)申請(qǐng)的專利一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120408621B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510906655.3，技術(shù)領(lǐng)域涉及：G06F21/56；該發(fā)明授權(quán)一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法是由侯文靜;文紅;茅俊濤;羅文駿;王永豐;陳宇政設(shè)計(jì)研發(fā)完成，并于2025-07-02向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法在說明書摘要公布了：本發(fā)明公開了人工智能模型框架下一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法，屬于人工智能安全技術(shù)領(lǐng)域。該方法通過知識(shí)增強(qiáng)得到了更有意義的原始特征，在對(duì)惡意樣本進(jìn)行分析識(shí)別時(shí)，使用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法減少對(duì)訓(xùn)練樣本量的需求。本發(fā)明在融合語義特征與句法特征的基礎(chǔ)上，全面刻畫文本特性，利用歐幾里得距離構(gòu)建異常檢測指標(biāo)，進(jìn)一步提升對(duì)異常樣本的敏感度。通過引入外部知識(shí)圖譜豐富特征維度，為惡意樣本檢測提供更全面的信息支撐。在大模型的預(yù)訓(xùn)練階段引入知識(shí)圖譜，增強(qiáng)模型的先驗(yàn)知識(shí)，使模型更快收斂，進(jìn)一步提升檢測效率。

本發(fā)明授權(quán)一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法在權(quán)利要求書中公布了：1.一種基于知識(shí)增強(qiáng)神經(jīng)網(wǎng)絡(luò)智能模型惡意樣本分析方法，其特征在于，所述方法包括以下步驟： 步驟S1：收集大量的數(shù)據(jù)樣本，包括已知的惡意樣本集合和正常樣本集合，使用預(yù)訓(xùn)練語言模型BERT對(duì)收集的數(shù)據(jù)樣本進(jìn)行語義特征提取，選擇標(biāo)記對(duì)應(yīng)的向量作為語義特征向量； 步驟S2：使用依存句法分析對(duì)收集的數(shù)據(jù)樣本進(jìn)行句法特征提取，計(jì)算依存關(guān)系類型的頻率分布，將頻率值組成行統(tǒng)計(jì)特征向量，歸一化之后得到句法特征向量； 步驟S3：通過計(jì)算數(shù)據(jù)樣本的特征向量與每個(gè)正常樣本集合的特征向量的歐幾里得距離，構(gòu)建異常檢測指標(biāo)向量； 步驟S4：引入外部知識(shí)圖譜，將步驟S1中提取的語義特征向量進(jìn)行增強(qiáng)處理；從知識(shí)圖譜中查詢與樣本特征相關(guān)的實(shí)體和關(guān)系，基于查詢結(jié)果生成知識(shí)增強(qiáng)特征向量，將語義特征向量，句法特征向量，異常檢測指標(biāo)向量與知識(shí)增強(qiáng)特征向量拼接，生成綜合特征向量； 步驟S5：構(gòu)建雙層BP神經(jīng)網(wǎng)絡(luò)模型，雙層BP神經(jīng)網(wǎng)絡(luò)模型輸入為歸一化之后的綜合特征向量，包含語義特征、句法特征、異常檢測指標(biāo)以及知識(shí)增強(qiáng)特征，每層神經(jīng)元數(shù)量根據(jù)輸入特征維度調(diào)整，激活函數(shù)采用ReLU，輸出層使用softmax函數(shù)預(yù)測樣本為惡意的概率，采用交叉熵?fù)p失函數(shù)和Adam優(yōu)化算法，優(yōu)化網(wǎng)絡(luò)參數(shù)，預(yù)訓(xùn)練語言模型BERT與雙層BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)成最終的知識(shí)增強(qiáng)惡意樣本檢測模型； 步驟S6：采集待檢測文本并輸入知識(shí)增強(qiáng)惡意樣本檢測模型，輸出惡意檢測結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人電子科技大學(xué)，其通訊地址為：611731 四川省成都市高新區(qū)(西區(qū))西源大道2006號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。