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！

龍圖騰網恭喜深圳宸元網信科技有限公司申請的專利一種基于大數據分析的智能網絡安全檢測系統及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：CN119854052B 。

龍圖騰網通過國家知識產權局官網在2025-05-27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：202510338429.X，技術領域涉及：H04L9/40；該發明授權一種基于大數據分析的智能網絡安全檢測系統及方法是由車新奕;雷果設計研發完成，并于2025-03-21向國家知識產權局提交的專利申請。

本一種基于大數據分析的智能網絡安全檢測系統及方法在說明書摘要公布了：本發明涉及網絡安全技術領域，特別涉及一種基于大數據分析的智能網絡安全檢測系統及方法，所述方法包括：通過歷史網絡數據集生成對抗數據，通過對抗數據訓練網絡安全檢測模型，在訓練中動態調整對抗訓練目標函數，使網絡安全檢測模型能夠平衡正常損失和對抗損失，平衡網絡安全檢測模型的魯棒性和準確性；通過機器學習模型分析網絡流量數據流，輸出網絡狀態指標，根據輸出的網絡狀態指標，優化網絡安全檢測模型，提高網絡安全檢測模型對對抗性攻擊的檢測能力；從歷史網絡數據集中提取傳統網絡攻擊數據，將傳統網絡攻擊數據和通過對抗訓練生成的對抗性擾動結合，對網絡安全檢測模型進行訓練，使網絡安全檢測模型能夠同時檢測傳統網絡攻擊。

本發明授權一種基于大數據分析的智能網絡安全檢測系統及方法在權利要求書中公布了：1.一種基于大數據分析的智能網絡安全檢測方法，其特征在于，所述方法包括：獲取歷史網絡數據，構成歷史網絡數據集；所述歷史網絡數據包括歷史網絡日志數據、流量數據、網絡行為數據；通過歷史網絡數據集生成對抗數據，通過對抗數據訓練網絡安全檢測模型，在訓練中動態調整對抗訓練目標函數，使網絡安全檢測模型能夠平衡正常損失和對抗損失，平衡網絡安全檢測模型的魯棒性和準確性；所述網絡安全檢測模型包括特征提取模塊、動態任務頭和對抗訓練模塊；獲取實時網絡流量數據流，通過機器學習模型分析網絡流量數據流，輸出網絡狀態指標，根據輸出的網絡狀態指標，優化網絡安全檢測模型，提高網絡安全檢測模型對對抗性攻擊的檢測能力；具體包括：根據網絡數據流信息集內的網絡數據特征計算攻擊密度、流量異常度后合成網絡狀態指標；以合成網絡狀態指標、當前的模型表現，即正常準確率和對抗準確率，為輸入變量輸入到機器學習模型中，輸出基于合成網絡狀態指標的動態權重；將輸出的動態權重代入損失函數中，獲取，用更新模型參數；所述模型參數為網絡安全檢測模型內通過數據學習得到的可訓練參數，具體包括分類頭、注意力機制的權重和偏置；將更新后的網絡安全檢測模型部署到檢測節點；從歷史網絡數據集中提取傳統網絡攻擊數據，將傳統網絡攻擊數據和通過對抗訓練生成的對抗性擾動結合，對網絡安全檢測模型進行訓練，使網絡安全檢測模型能夠同時檢測傳統網絡攻擊；所述在訓練中動態調整對抗訓練目標函數，使網絡安全檢測模型能夠平衡正常損失和對抗損失，平衡網絡安全檢測模型的魯棒性和準確性，包括：定義動態加權損失函數，將總損失分解為正常樣本損失和對抗樣本損失的加權和，根據模型表現動態調整動態權重，具體包括：設動態加權損失函數為：，其中，表示正常樣本的交叉上熵損失，表示對抗樣本的交叉熵損失；表示動態權重，；通過監控和的比例，調整，使網絡安全檢測模型在訓練中自動平衡和，具體包括：設調整后的動態權重為，；其中，為平滑系數，為擾動系數；進行模型訓練，訓練過程包括以下步驟：步驟2.1、設定初始動態權重，通過PGD攻擊方法生成對抗樣本；步驟2.2、向前傳播計算和： 和；步驟2.3、代入，獲得；步驟2.4、計算總損失并反向傳播： ，利用計算出的更新模型參數：；其中，表示學習率；步驟2.5、重復步驟2.1到2.4，直至模型收斂；所述模型表現包括：在訓練過程中，網絡安全檢測模型在驗證集上的正常準確率上升或下降或者對抗準確率的上升或下降；所述正常準確率為網絡安全檢測模型對正常網絡數據檢測的準確率，所述的對抗準確率為網絡安全檢測模型對對抗數據檢測的準確率。

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深圳宸元網信科技有限公司，其通訊地址為：518000 廣東省深圳市南山區粵海街道高新區社區高新南七道16號深圳市數字技術園B1棟五層B區1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”。