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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京理工大學(xué)申請的專利一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116319003B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26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?zhí)?專利號為：202310279321.9，技術(shù)領(lǐng)域涉及：H04L9/40；該發(fā)明授權(quán)一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法是由車洵;李千目;朱旻昊;劉帆;陳競飛;趙謙;李小超;征煜設(shè)計研發(fā)完成，并于2023-03-22向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法，包括如下步驟：將網(wǎng)絡(luò)安全事件知識圖譜作為訓(xùn)練集，訓(xùn)練一個網(wǎng)絡(luò)安全事件檢測模型；通過增量學(xué)習(xí)的方法允許模型不斷地學(xué)習(xí)新的知識，而且不需要重新訓(xùn)練整個模型；提出一種記憶緩存區(qū)存儲先前網(wǎng)絡(luò)安全知識圖譜中的先驗知識，從而避免模型對先前學(xué)習(xí)到的知識出現(xiàn)災(zāi)難性遺忘。本發(fā)明解決了傳統(tǒng)的圖神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)安全事件檢測領(lǐng)域效率較低的問題并且通過增量學(xué)習(xí)的方式使模型能夠針對不同類型的網(wǎng)絡(luò)安全事件。

本發(fā)明授權(quán)一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法在權(quán)利要求書中公布了：1.一種基于知識圖譜和增量學(xué)習(xí)的網(wǎng)絡(luò)安全事件檢測方法，其特征在于：其包括如下步驟： S1：將不同的網(wǎng)絡(luò)安全事件知識圖譜作為訓(xùn)練集，對知識圖譜中的每個節(jié)點進(jìn)行語義聚類； S2：通過一個基于內(nèi)核引導(dǎo)的Transformer網(wǎng)絡(luò)，先查找到每一層中的最相關(guān)的集群并生成輔助圖，然后將這些輔助圖的特征映射至一個公共表征空間； S3：任務(wù)注意力模塊根據(jù)知識圖譜的類型捕捉包含特定的網(wǎng)絡(luò)安全事件信息，選擇對當(dāng)前網(wǎng)絡(luò)安全事件重要的特征，從而防止不同事件的干擾； S4：將任務(wù)注意力模塊的輸出特征映射至全局工作空間，通過一個多分類器檢測出當(dāng)前的網(wǎng)絡(luò)安全事件的危險等級； S5：構(gòu)建一個記憶緩存區(qū)用于存儲先前學(xué)到的網(wǎng)絡(luò)安全事件的特征分布，在后續(xù)訓(xùn)練時使用這些特征，從而實現(xiàn)了增量學(xué)習(xí)，避免模型對先前學(xué)習(xí)到的知識出現(xiàn)災(zāi)難性遺忘。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京理工大學(xué)，其通訊地址為：210000 江蘇省南京市玄武區(qū)孝陵衛(wèi)街200號；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)”。