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！

龍圖騰網恭喜戎行技術有限公司申請的專利一種基于深度學習的用戶關聯數據多維評估分析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：CN119316464B 。

龍圖騰網通過國家知識產權局官網在2025-04-18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：202411835464.4，技術領域涉及：H04L67/1396；該發明授權一種基于深度學習的用戶關聯數據多維評估分析方法是由趙志慶;侯玉柱;張賽男;王印強;靳學庚;張雨銘威設計研發完成，并于2024-12-13向國家知識產權局提交的專利申請。

本一種基于深度學習的用戶關聯數據多維評估分析方法在說明書摘要公布了：本發明涉及網絡用戶數據的多維度分析處理領域，尤其涉及一種基于深度學習的用戶關聯數據多維評估分析方法，包括：獲取實時用戶網絡行為數據建立用戶關聯數據多維特征；根據所述用戶關聯數據多維特征基于深度學習得到用戶關聯數據的持續性基礎評估分析結果；根據所述持續性基礎評估分析結果進行多維交叉驗證處理得到用戶關聯數據多維評估分析結果，為了確保評估分析結果的持續性和可靠性，設計了模型內部的迭代機制。通過不斷優化和調整模型參數，持續輸出高質量的分析結果，為網絡優化和決策提供科學依據。這一系列的創新和優化措施，不僅提升了模型的性能，也為通訊網絡的穩定運行和高效管理奠定了堅實基礎。

本發明授權一種基于深度學習的用戶關聯數據多維評估分析方法在權利要求書中公布了：1.一種基于深度學習的用戶關聯數據多維評估分析方法，其特征在于，包括：S1、獲取實時用戶網絡行為數據建立用戶關聯數據多維特征；S1-1、根據用戶IP地址獲取實時用戶網絡行為數據；S1-1-1、根據用戶IP地址獲取實時用戶網絡通訊線路；S1-1-2、利用所述實時用戶網絡通訊線路根據實時用戶網絡通訊線路分別獲取服務器端口與通訊協議；S1-1-3、根據所述用戶IP地址與服務器端口獲取實時用戶網絡通訊線路的交換機IP地址；S1-1-4、根據所述實時用戶網絡通訊線路獲取網絡通訊數據量；S1-1-5、利用所述實時用戶網絡通訊線路與網絡通訊數據量作為用戶網絡行為主數據；S1-1-6、利用所述服務器端口、通訊協議與交換機IP地址作為用戶網絡行為副數據；S1-1-7、利用所述用戶網絡行為主數據與用戶網絡行為副數據作為實時用戶網絡行為數據；S1-2、根據所述實時用戶網絡行為數據進行預處理得到用戶關聯數據多維特征；S1-2-1、利用所述實時用戶網絡行為數據的用戶網絡行為主數據進行預處理建立實時用戶網絡行為數據的用戶關聯數據強關聯特征；S1-2-1-1、利用所述實時用戶網絡行為數據的用戶網絡行為主數據對應實時用戶網絡通訊線路的線路節點建立虛擬分布式線路節點；S1-2-1-2、利用所述實時用戶網絡行為數據的用戶網絡行為主數據對應網絡通訊數據量根據虛擬分布式線路節點得到虛擬分布式線路節點對應網絡通訊數據量；S1-2-1-3、利用所述虛擬分布式線路節點對應網絡通訊數據量根據數據流向得到虛擬分布式架構數據流量特征作為實時用戶網絡行為數據的用戶關聯數據強關聯特征；S1-2-2、利用所述實時用戶網絡行為數據的用戶網絡行為副數據進行預處理建立實時用戶網絡行為數據的用戶關聯數據弱關聯特征；S1-2-2-1、利用所述實時用戶網絡行為數據的用戶網絡行為副數據對應服務器端口與交換機IP地址建立網絡通訊子線路；S1-2-2-2、根據所述實時用戶網絡行為數據的通訊子線路與實時用戶網絡行為數據的用戶網絡行為副數據對應通訊協議建立通訊子線路的基礎線路協議映射；S1-2-2-3、判斷當前時刻服務器端口與相鄰下一時刻的服務器端口是否一致，若是，則利用所述基礎線路協議映射作為實時用戶網絡行為數據的用戶關聯數據弱關聯特征，否則，獲取相鄰下一時刻的服務器端口作為當前時刻的服務器端口，并執行S1-2-2-4；S1-2-2-4、利用當前時刻的服務器端口與交換機IP地址建立更新網絡通訊子線路；S1-2-2-5、根據所述更新網絡通訊子線路與實時用戶網絡行為數據的用戶網絡行為副數據對應通訊協議建立通訊子線路的更新線路協議映射；S1-2-2-6、判斷當前時刻服務器端口與相鄰下一時刻的服務器端口是否一致，若是，則利用所述更新線路協議映射更新基礎線路協議映射作為實時用戶網絡行為數據的用戶關聯數據弱關聯特征，否則，獲取相鄰下一時刻的服務器端口作為當前時刻的服務器端口，并返回S1-2-2-4；S1-2-3、利用所述用戶關聯數據強關聯特征與用戶關聯數據弱關聯特征作為用戶關聯數據多維特征；S2、根據所述用戶關聯數據多維特征基于深度學習得到用戶關聯數據的持續性基礎評估分析結果；S2-1、利用所述用戶關聯數據多維特征基于深度學習建立用戶關聯數據的綜合風險評估分析模型；S2-1-1、利用所述用戶關聯數據多維特征的用戶關聯數據強關聯特征建立第一數據集；S2-1-2、利用所述用戶關聯數據多維特征的用戶關聯數據弱關聯特征建立第二數據集；S2-1-3、利用所述第一數據集為輸入，所述第一數據集對應第二數據集為輸出，根據所述第一數據集對應虛擬分布式線路節點數量建立隱含層數量，基于深度學習建立流量-端口關聯分類模型；S2-1-4、利用所述流量-端口關聯分類模型的流量-端口關聯分類輸出結果為輸入，所述第二數據集對應數量為輸出，基于深度學習建立特征分類數量模型；S2-1-5、利用所述流量-端口關聯分類模型與特征分類數量模型作為用戶關聯數據的綜合風險評估分析模型；S2-2、利用所述用戶關聯數據的綜合風險評估分析模型進行交叉分析處理得到用戶關聯數據的持續性基礎評估分析結果；S2-2-1、利用所述實時用戶網絡行為數據對應時刻作為起始分析時刻t；S2-2-2、利用所述起始分析時刻t的相鄰下一時刻作為輔助分析時刻t+1；S2-2-3、利用所述用戶關聯數據的綜合風險評估分析模型根據起始分析時刻t分別獲取綜合風險評估分析模型的流量-端口關聯分類輸出結果與特征分類數量輸出結果；S2-2-4、利用所述用戶關聯數據的綜合風險評估分析模型根據輔助分析時刻t+1分別獲取綜合風險評估分析模型的流量-端口關聯分類輸出結果與特征分類數量輸出結果；S2-2-5、判斷所述起始分析時刻t的流量-端口關聯分類輸出結果與輔助分析時刻t+1的流量-端口關聯分類輸出結果是否一致，若是，則輸出流量-端口狀態為穩定，否則，輸出流量-端口狀態為不穩定；S2-2-6、判斷所述起始分析時刻t的特征分類數量輸出結果與輔助分析時刻t+1的特征分類數量輸出結果是否相同，若是，則輸出線路協議數量狀態為穩定，并利用所述流量-端口狀態與線路協議數量狀態作為用戶關聯數據的持續性基礎評估分析結果，否則，輸出線路協議數量狀態為不穩定，并利用所述流量-端口狀態與線路協議數量狀態作為用戶關聯數據的持續性基礎評估分析結果；S3、根據所述持續性基礎評估分析結果進行多維交叉驗證處理得到用戶關聯數據多維評估分析結果。

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戎行技術有限公司，其通訊地址為：300000 天津市河北區鐵東路街道志成路130號(自創區河北分園科技招商展示服務中心407-1室)；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”。