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！

龙图腾网获悉南京邮电大学申请的专利容器的入侵检测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：CN119249414B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411783306.9，技术领域涉及：G06F21/55；该发明授权容器的入侵检测方法及系统是由陈丹伟;佟鑫;蒋荣;罗圣美设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本容器的入侵检测方法及系统在说明书摘要公布了：本发明公开了一种容器的入侵检测方法及系统，遍历容器，并采集调用序列样本；基于调用序列样本的数据预处理而形成训练集数据；对调用序列样本转化为图关系，并计算每个系统调用节点的特征值，实现了调用序列样本的进一步把控，并充分考虑了每个系统调用节点的特征值。基于每个系统调用节点的特征值而触发调用序列样本的聚类分析，以输出聚类结果；基于聚类结果的筛选而定义存在入侵行为的系统调用序列，针对每个系统调用节点的特征值进一步把控，并在聚类分析中定义存在入侵行为的序列，最后实现对生产环境的实时监控和入侵检测，这样可以有效地提高容器的安全性和可靠性，并能够兼容各种生产环境的实时入侵检测。

本发明授权容器的入侵检测方法及系统在权利要求书中公布了：1.一种容器的入侵检测方法，其特征在于，应用于容器的入侵检测场景；所述容器的入侵检测方法，包括：遍历容器，并采集调用序列样本；基于调用序列样本的数据预处理而形成训练集数据；对调用序列样本转化为图关系，并计算每个系统调用节点的特征值；基于每个系统调用节点的特征值而触发调用序列样本的聚类分析，以输出聚类结果；基于聚类结果的筛选而定义存在入侵行为的系统调用序列；实时监控生产环境，并对生产环境中的容器的进程实时入侵检测；所述基于聚类结果的筛选而定义存在入侵行为的系统调用序列，包括：定格聚类结果，并对聚类结果进行筛选；基于聚类结果的筛选而定义序列组合；关联序列组合以及对应的检测学习模型；检测学习模型基于训练集数据进行往复训练，并基于模型预测结果和真实标签进行动态优化；对检测学习模型引入了损失函数，并根据损失函数逐步优化检测学习模型的模型参数，以提高检测学习模型的检测精度；基于序列组合以及对应的检测学习模型定义存在入侵行为的系统调用序列；所述对调用序列样本转化为图关系，并计算每个系统调用节点的特征值，包括：针对容器进行数据检测；基于容器的数据检测而定义对应的系统调用节点，此时，系统调用节点具有多个；关联多个系统调用节点以及相邻的两个系统调用节点所连接的边，根据多个系统调用节点、对应的边以及调用序列样本的转化而形成对应的图关系，以输出系统调用节点图；定位每个系统调用节点；基于每个系统调用节点、系统调用节点图定义Katz中心性、Betweenness中心性、Closeness中心性和Pagerank中心性；将Katz中心性、Betweenness中心性、Closeness中心性和Pagerank中心性定义为每个系统调用节点的特征值；所述基于每个系统调用节点的特征值而触发调用序列样本的聚类分析，以输出聚类结果，包括：定格每个系统调用节点的特征值；对每个系统调用节点进行嵌入控制；聚合相邻的多个系统调用节点的信息，并捕捉系统调用之间的复杂依赖和交互特征；采集每个系统调用节点的特征值以及调用序列样本；关联每个系统调用节点的特征值以及调用序列样本；基于每个系统调用节点的特征值以及调用序列样本触发调用序列样本的聚类分析，以输出聚类结果；此时，选择图卷积神经网络来学习图节点特征，目标是将经过struc2vec方法提取的n×d的特征矩阵转换为一个维度更低的l×m特征矩阵，其中l≤n且m≤d，以用于图的分类；在图卷积网络GCN的每一层l中，节点v∈V都有一个隐藏向量隐藏向量的初始值由struc2vec方法计算得到；在每一层l，节点v会从其邻居节点收集信息，并按照以下方式计算节点v的隐藏向量 其中Nv表示与节点v之间存在边的邻居节点，W表示大小为dl-1×dl的权重矩阵，其中dl是第l层隐藏向量的维度，σ表示用于激活神经元的Sigmoid激活函数；通过这种方式，计算所有层中所有节点的隐藏向量；最后一层k的隐藏向量是节点v的节点嵌入向量，表示为： 所有节点的节点嵌入向量被加在一起，形成了图的表示zG；如下式所示，其中zv表示节点v的节点嵌入向量；

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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”。