买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜山东新潮信息技术有限公司申请的专利一种基于人工智能的漏洞与威胁扫描方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119227089B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411729758.9，技术领域涉及：G06F21/57；该发明授权一种基于人工智能的漏洞与威胁扫描方法及系统是由张衍亮;齐祥熙;刘俊设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于人工智能的漏洞与威胁扫描方法及系统在说明书摘要公布了：本发明公开了一种基于人工智能的漏洞与威胁扫描方法及系统，具体涉及人工智能技术领域；通过从真实环境中提取已知威胁和潜在零日攻击数据训练AI模型，结合生成高复杂低异常和低复杂高异常的模拟攻击样本，对AI模型进行多样化场景下的威胁检测测试，分析其对高复杂性攻击的响应能力，并通过记录和统计误报与漏报情况，综合评估模型识别未知新型威胁特征的准确性；当检测到模型对未知新型威胁特征的识别出现不准确性时，通过预测固定时间段内的异常程度，生成预警信号并对模型进行优化，不仅能显著提高AI模型对复杂伪装攻击的检测能力，还能及时发现和修复模型在实际环境中的盲区，有效防止零日漏洞和高级持续性威胁对系统的突破。

本发明授权一种基于人工智能的漏洞与威胁扫描方法及系统在权利要求书中公布了：1.一种基于人工智能的漏洞与威胁扫描方法，其特征在于：包括以下步骤：S1：从真实环境中提取出已知威胁和潜在零日攻击的训练数据，并使用提取出的训练数据构建AI模型，对AI模型进行训练；S2：基于训练完成后的AI模型，生成包含不同复杂性和异常性的模拟攻击样本，所述模拟攻击样本包括高复杂低异常样本和低复杂和高异常样本；S3：将模拟攻击样本经过预处理后，直接作为输入数据带入训练完成后的AI模型，模拟实际运行环境中的威胁检测过程，并对模拟过程中AI模型对高复杂性攻击的响应能力进行分析；所述步骤S3具体包括：对比模型在处理高复杂低异常与低复杂高异常样本时的时间差异后生成样本响应时间偏差指数，样本响应时间偏差指数的获取方法为：构建高复杂低异常样本的响应时间序列；低复杂高异常样本的响应时间序列；定义距离函数，用欧几里得距离表示为：；构造一个m×n的距离矩阵D，其元素为：；计算累积代价矩阵定义累积代价矩阵C，表示从起点到当前位置的最小匹配代价：初始条件：C1,1=D1,1；边界条件：；；递归关系：；最终Cm,n为从序列到的最小匹配代价；回溯寻找最佳路径P，从m,n开始回溯，按照最小累积代价选择路径：，；最优路径的长度为L，表示两序列的对齐步骤数，定义样本响应时间偏差指数为路径上的平均累积代价：；式中，Cm,n为从序列到的累积匹配代价，为样本响应时间偏差指数，L为最优路径的长度；S4：当AI模型对高复杂性攻击的响应能力低时，对AI模型的输出结果进行记录，比较高异常评分行为的分类结果，统计AI模型的误报与漏报情况，判断AI模型输出结果的异常程度；所述步骤S4具体包括：对异常评分和漏报率之间的相关性进行分析后生成异常漏报相关指数，判断AI模型输出结果的异常程度，异常漏报相关指数的获取方法为：构建异常评分序列，表示第z个样本的异常评分，漏报标签序列，=1表示漏报，=0表示未漏报；将异常评分A离散化为多个区间，漏报标签L已是二分类，取值{0,1}；对每个，统计A在区间且的样本数；计算联合概率：；其中，z是样本总数；异常评分的边缘概率：；漏报标签的边缘概率：；根据联合概率和边缘概率，计算异常漏报相关指数，表达式为：；为异常漏报相关指数；S5：将AI模型对高复杂性攻击的响应能力和AI模型输出结果的异常程度进行综合分析，评估AI模型识别未知新型威胁特征的准确性；S6：当AI模型识别未知新型威胁特征出现不准确性时，对固定时间段内AI模型识别未知新型威胁特征的准确性异常程度进行预测，若异常程度高，则生成预警信号并对AI模型进行优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东新潮信息技术有限公司，其通讯地址为：250000 山东省济南市历下区二环东路东环国际广场A座2701室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。