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！

龙图腾网恭喜福建云创信安信息科技有限公司申请的专利基于机器学习的威胁情报可信分析系统及方法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：CN117729003B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202311696581.2，技术领域涉及：H04L9/40；该发明授权基于机器学习的威胁情报可信分析系统及方法是由王小军;吴悦婷;廖秀聆;赖孝友设计研发完成，并于2023-12-12向国家知识产权局提交的专利申请。

本基于机器学习的威胁情报可信分析系统及方法在说明书摘要公布了：本申请涉及智能分析技术领域，其具体地公开了一种基于机器学习的威胁情报可信分析系统及方法，其首先构建包含了最新恶意软件手段、攻击模式、恶意域名、恶意网站、恶意IP地址的网络威胁情报库，通过深度学习技术对待分析情报进行上下文语义关联特征提取，并将所述待分析情报的上下文语义关联特征与网络威胁情报库特征进行对比分析来判断待分析情报是否可信。这样，能够对收集到的情报进行自动化的可信度分析，从而帮助安全团队或分析人员更好地理解威胁情报，并及时采取相应的响应措施。

本发明授权基于机器学习的威胁情报可信分析系统及方法在权利要求书中公布了：1.一种基于机器学习的威胁情报可信分析系统，其特征在于，包括：情报获取模块，用于构建网络威胁情报库，以及获取待分析情报，其中，所述网络威胁情报库包含了最新恶意软件手段、攻击模式、恶意域名、恶意网站、恶意IP地址；待分析情报语义理解模块，用于将所述待分析情报通过包含嵌入层的上下文编码器以得到多个情报语义特征向量；高斯融合模块，用于基于高斯密度图融合所述多个情报语义特征向量以得到情报上下文语义关联特征矩阵；多尺度语义关联特征提取模块，用于将所述情报上下文语义关联特征矩阵通过包含多个混合卷积层的卷积神经网络模型以得到多尺度情报语义关联特征矩阵；网络威胁情报特征矩阵构造模块，用于基于所述网络威胁情报库生成网络威胁情报特征矩阵；对比分析模块，用于对所述多尺度情报语义关联特征矩阵和所述网络威胁情报特征矩阵进行基于秩序先验的特征工程参数化融合以得到分类特征矩阵；分析结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待分析情报可信的概率值；其中，所述高斯融合模块，包括：高斯密度图构造单元，用于以如下融合公式来构造所述多个情报语义特征向量的高斯密度图；其中，所述融合公式为： 其中，μ表示所述多个情报语义特征向量之间的按位置均值向量，且σ的每个位置的值表示所述多个情报语义特征向量中各个位置的特征值之间的方差，表示高斯密度概率函数，x表示高斯密度图的变量；高斯离散化单元，用于对所述高斯密度图的各个位置的高斯分布进行离散化处理以得到所述情报上下文语义关联特征矩阵；其中，所述多尺度语义关联特征提取模块，用于：使用所述卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行：对输入数据进行多尺度卷积编码以得到多尺度卷积特征图；对所述多尺度卷积特征图进行沿通道维度的池化处理以生成池化特征图；对所述池化特征图进行非线性激活处理以生成激活特征图；其中，所述包含多个混合卷积层的卷积神经网络模型的最后一层的输出为所述多尺度情报语义关联特征矩阵；其中，所述对比分析模块，用于：以如下融合公式对所述多尺度情报语义关联特征矩阵和所述网络威胁情报特征矩阵进行基于秩序先验的特征工程参数化融合以得到分类特征矩阵；其中，所述融合公式为： 其中，M1表示所述多尺度情报语义关联特征矩阵，M2表示所述网络威胁情报特征矩阵，表示所述多尺度情报语义关联特征矩阵和所述网络威胁情报特征矩阵之间的均值矩阵，exp·表示矩阵的指数运算，log表示以2为底的对数函数值，⊕表示矩阵的按位置相加，表示矩阵的按位置相减，Mc表示所述分类特征矩阵。

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福建云创信安信息科技有限公司，其通讯地址为：350014 福建省福州市晋安区福兴投资区龙安路371号1号楼405；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”。