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！

龙图腾网恭喜国网四川省电力公司乐山供电公司申请的专利一种基于深度神经网络模型的漏洞排查方法及相关产品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：CN119203165B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411677055.6，技术领域涉及：G06F21/57；该发明授权一种基于深度神经网络模型的漏洞排查方法及相关产品是由刘春;黄维维;张杰豪;黎思敏;张琴;夏星;敬昊鑫;李虹霏;何柳柳设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于深度神经网络模型的漏洞排查方法及相关产品在说明书摘要公布了：本发明涉及网络安全技术领域，具体涉及一种基于深度神经网络模型的漏洞排查方法及相关产品，包收集漏洞信息数据；进行预处理操作获得漏洞信息向量集，基于预处理数据构建漏洞知识图谱并融合获得增强的特征表示；基于增强的特征表示和相应的目标标签训练深度神经网络模型，构建漏洞排查预测模型，实时获取目标系统的待测数据，并将其处理后输入到漏洞排查预测模型中，生成漏洞检测结果；本发明通过引入深度神经网络模型，提升了漏洞排查的智能化和自动化水平，降低了对操作人员的技术依赖，通过从多源漏洞数据库收集数据，并利用特征表示模型进行深度处理，能够更全面地捕捉漏洞信息，提升了对隐藏漏洞的识别能力。

本发明授权一种基于深度神经网络模型的漏洞排查方法及相关产品在权利要求书中公布了：1.一种基于深度神经网络模型的漏洞排查方法，其特征在于，包括：从公共漏洞知识库、行业历史披露漏洞数据库和内部漏洞数据库中收集漏洞信息数据；构建预处理模型，并利用预处理模型对漏洞信息数据中用于模型输入的数据进行文本预处理，获得预处理数据；构建特征表示模型，并利用特征表示模型对预处理数据处理为漏洞信息向量集；基于预处理数据构建漏洞知识图谱，生成知识图谱嵌入向量，并将知识图谱嵌入向量与漏洞信息向量集进行融合，获得增强的特征表示；构建深度神经网络模型，并利用增强的特征表示和漏洞信息数据中的目标标签进行训练，获得漏洞排查预测模型；获得目标系统的实时待测数据，并通过预处理模型和特征表示模型对实时待测数据进行处理，并与知识图谱嵌入向量融合，获得增强的待测数据向量；将增强的待测数据向量输入至漏洞排查预测模型，获得预测结果；其中，预处理模型中包括分词处理、去停用词处理、词性标注处理；分词处理采用基于Word2Vec与LSTM双向网络的方法，通过字符嵌入和前向、后向LSTM隐藏状态的结合，确定字符的隐藏状态向量，并计算得分函数，完成字符标签的预测；最终通过维特比算法解码，获得最优标签序列，并根据最优标签序列完成分词处理；去停用词处理采用基于词汇重要性度量与互信息的方法，通过计算词语与文档主题的关联度，动态确定停用词集合，并利用停用词集合对分词后的词序列进行过滤，完成去停用词；词性标注处理采用基于高斯过程分类器和条件随机场的方法，通过获取去停用词后的词序列的特征向量，使用高斯过程分类器对每个词进行初步词性标签预测，并通过拉普拉斯近似计算后验分布，得到初步预测概率；建立条件随机场的条件概率模型，利用初步预测概率作为特征，对模型参数进行训练，再通过维特比算法解码，获得全局最优的词性标签序列，输出与去停用词后词序列对应的词性标注结果，完成词性标注；其中，去停用词处理的方法包括：确定包含多个文档的语料库；确定包含所有出现过词语的词汇表W″；计算词语与语料库中文档主题的互信息值其中，T为通过主题模型LDA获得的主题变量，Pw＝c，T＝t为词语w是否出现与主题t的联合概率，c为二元变量；确定停用词集合S＝{w∈W″|Iw；T＜τ}，其中，τ为设定的重要性阈值；确定经过分词处理的分词后词序列W＝[w1，w2，...，wM]，其中，M为词的总数，wM为第M个词；通过停用词集合对分词后词序列进行过滤，获得去停用词后词序列其中，wj为第j个词；当语料库或主题模型LDA更新时，重新确定停用词集合；词性标注处理的方法包括：提取去停用词后词序列W′中每个次词的字符n-gram特征、词长特征和字母构成特征，并将所有特征编码为特征向量ai；使用高斯过程分类器对每个词进初步词性标签预测，并利用拉普拉斯近似，对高斯过程分类器的后验分布进行计算，获得第i个词wi的初步预测概率分布PGPCbi|ai；建立条件概率模型，其中，ZW′为归一化因子，λk、μl、k、l为模型参数，M′为去停用词后词序列中词的数量，fkbi，W′,i＝δbi＝sk为状态特征函数，tlbi-1，yi，W′,i＝δbi-1＝sl1·δbi＝sl2为转移特征函数，bi为第i个词的词性标签，bi-1为第i-1个词的词性标签，b为词性标签序列，δ为指示函数，sk、sl1、sl2为可能的词性标签；以初步预测概率分布为特征，对条件概率模型的模型参数进行训练；利用维特比算法对训练后的条件概率模型进行解码，获得全局最优的词性标签序列将最优的词性标签序列与去停用词后词序列W′对应，获得每个次的词性标注结果，并输出词性标注后的词性标注后词序列。

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国网四川省电力公司乐山供电公司，其通讯地址为：614000 四川省乐山市市中区海棠路168号；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”。