買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉上海工業(yè)自動(dòng)化儀表研究院有限公司申請(qǐng)的專(zhuān)利基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114219077B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202111544622.7，技術(shù)領(lǐng)域涉及：G06N3/0442；該發(fā)明授權(quán)基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法是由王高翃設(shè)計(jì)研發(fā)完成，并于2021-12-16向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法，涉及數(shù)據(jù)流信息分析技術(shù)領(lǐng)域。該方法包括：確定嵌入空間的維數(shù)m，取二進(jìn)制流中的每r位數(shù)據(jù)為一個(gè)字母，并確定相應(yīng)的2^r個(gè)字母在嵌入空間的對(duì)應(yīng)嵌入向量；確定觀測(cè)空間的維數(shù)n；確定隱狀態(tài)空間的維數(shù)L；建立LSTM模型，并初始化模型參數(shù)；建立狀態(tài)空間到觀測(cè)空間的狀態(tài)轉(zhuǎn)移模型；設(shè)計(jì)LSTM模型的模型整體損失函數(shù)；在模型參數(shù)訓(xùn)練完成以后，保存模型的嵌入?yún)?shù)、LSTM參數(shù)和狀態(tài)轉(zhuǎn)移參數(shù)。本發(fā)明通過(guò)將二進(jìn)制流信息視為一種需要處理和分析的語(yǔ)言結(jié)構(gòu)，結(jié)合隱馬克可夫模型的想法和循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用，實(shí)現(xiàn)了對(duì)二進(jìn)制流信息的分析，提升了信息分析的準(zhǔn)確性。

本發(fā)明授權(quán)基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法在權(quán)利要求書(shū)中公布了：1.一種基于神經(jīng)網(wǎng)絡(luò)隱LSTM模型的二進(jìn)制流信息分析方法，所述方法用于分析網(wǎng)絡(luò)系統(tǒng)中的攻擊行為，其特征在于，在神經(jīng)網(wǎng)絡(luò)中將二進(jìn)制流看作為時(shí)序數(shù)據(jù)，利用LSTM模型對(duì)所述時(shí)序數(shù)據(jù)進(jìn)行訓(xùn)練，所述方法包括如下步驟： 確定嵌入空間的維數(shù)m，取二進(jìn)制流中的每r位數(shù)據(jù)為一個(gè)字母，并確定相應(yīng)的2^r個(gè)字母在嵌入空間的對(duì)應(yīng)嵌入向量； 確定觀測(cè)空間的維數(shù)n，觀測(cè)空間的維數(shù)由觀測(cè)狀態(tài)的情況和觀測(cè)狀態(tài)的顆粒度來(lái)確定，所述觀測(cè)狀態(tài)為二進(jìn)制流中的單個(gè)位的數(shù)據(jù)或者二進(jìn)制流的單個(gè)字母所傳輸?shù)男畔⒌臓顟B(tài)； 確定隱狀態(tài)空間的維數(shù)L，所述隱狀態(tài)空間是所述觀測(cè)空間的狀態(tài)轉(zhuǎn)移所依賴(lài)的狀態(tài)概率空間，同時(shí)也是LSTM模型輸出的概率空間； 建立LSTM模型，并初始化模型參數(shù)，所述LSTM模型的輸入為二進(jìn)制流轉(zhuǎn)化的嵌入向量序列，輸出序列y_t的激活使用softmax函數(shù)，以模擬輸出狀態(tài)的概率分布； 建立狀態(tài)空間到觀測(cè)空間的狀態(tài)轉(zhuǎn)移模型o_t=fy_t，狀態(tài)空間到觀測(cè)空間的狀態(tài)轉(zhuǎn)移模型中的狀態(tài)轉(zhuǎn)移函數(shù)f為線性的，所述狀態(tài)轉(zhuǎn)移函數(shù)由一個(gè)L*n的線性狀態(tài)轉(zhuǎn)移矩陣來(lái)描述； 設(shè)計(jì)LSTM模型的模型整體損失函數(shù)，模型整體損失函數(shù)losso_t,l_t通過(guò)比較輸出狀態(tài)o_t和實(shí)際觀測(cè)到的狀態(tài)標(biāo)簽l_t來(lái)獲取，在確定模型和參數(shù)后，通過(guò)前向傳遞計(jì)算模型整體損失函數(shù)，并對(duì)模型參數(shù)進(jìn)行訓(xùn)練； 在模型參數(shù)訓(xùn)練完成以后，保存模型的嵌入?yún)?shù)、LSTM參數(shù)和狀態(tài)轉(zhuǎn)移參數(shù)，以供模型在對(duì)二進(jìn)制流信息進(jìn)行分析時(shí)使用； 觀測(cè)狀態(tài)分為具有攻擊威脅的數(shù)據(jù)、不具有攻擊威脅的正常數(shù)據(jù)兩類(lèi)，若觀測(cè)狀態(tài)的顆粒度為字母級(jí)，則觀測(cè)空間的維數(shù)為2；若觀測(cè)狀態(tài)的顆粒度為單個(gè)位級(jí)，則觀測(cè)空間的維數(shù)為2^r。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人上海工業(yè)自動(dòng)化儀表研究院有限公司，其通訊地址為：200233 上海市徐匯區(qū)漕寶路103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)”。