買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州安泉數(shù)智科技有限公司申請(qǐng)的專利多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119996072B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-20發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510443383.8，技術(shù)領(lǐng)域涉及：H04L9/40；該發(fā)明授權(quán)多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法及系統(tǒng)是由張昕昊;黃進(jìn);陳凱平;林華興;金昱珂設(shè)計(jì)研發(fā)完成，并于2025-04-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法及系統(tǒng)在說(shuō)明書摘要公布了：本說(shuō)明書多個(gè)實(shí)施例涉及信息技術(shù)領(lǐng)域，具體涉及一種多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法及系統(tǒng)。所述方法包括步驟：S1、構(gòu)建包含Agent層、信道層和DeepFake生成層的多維嵌套結(jié)構(gòu)模型，獲得滲透行為圖譜；S2、采集多時(shí)間段內(nèi)的隱蔽信道通信數(shù)據(jù)與DeepFake生成數(shù)據(jù)，按時(shí)間片劃分并標(biāo)注預(yù)設(shè)攻擊行為，對(duì)比相鄰時(shí)間片的預(yù)設(shè)指標(biāo)，生成跨層差分特征向量；S3、通過(guò)時(shí)序差分注意力機(jī)制生成多尺度顯著性映射矩陣；S4、構(gòu)建多層異構(gòu)CycleGAN網(wǎng)絡(luò)并注入嵌套所述顯著性映射矩陣；S5、基于多層異構(gòu)CycleGAN網(wǎng)絡(luò)的判別結(jié)果，反饋到所述滲透行為圖譜；S6、建立針對(duì)所述滲透行為圖譜的在線自適應(yīng)檢測(cè)機(jī)制。

本發(fā)明授權(quán)多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法及系統(tǒng)在權(quán)利要求書中公布了：1.多智能體協(xié)作的深度偽造攻擊的檢測(cè)方法，其特征在于，包括步驟：S1、構(gòu)建包含Agent層、信道層和DeepFake生成層的多維嵌套結(jié)構(gòu)模型，每個(gè)層通過(guò)多維度特征表示，將所述多維嵌套結(jié)構(gòu)映射為層級(jí)式圖譜，并記錄關(guān)聯(lián)映射關(guān)系、初始狀態(tài)權(quán)重與時(shí)間戳，獲得滲透行為圖譜；S2、采集多時(shí)間段內(nèi)的隱蔽信道通信數(shù)據(jù)與DeepFake生成數(shù)據(jù)，按時(shí)間片劃分并標(biāo)注預(yù)設(shè)攻擊行為，對(duì)比相鄰時(shí)間片的預(yù)設(shè)指標(biāo)，生成跨層差分特征向量；S3、根據(jù)所述跨層差分特征向量，對(duì)Agent層、信道層和DeepFake生成層的差分特征進(jìn)行解耦，通過(guò)時(shí)序差分注意力機(jī)制生成多尺度顯著性映射矩陣；S4、構(gòu)建多層異構(gòu)CycleGAN網(wǎng)絡(luò)并注入嵌套所述顯著性映射矩陣；S5、基于多層異構(gòu)CycleGAN網(wǎng)絡(luò)的判別結(jié)果，反饋到所述滲透行為圖譜；S6、基于時(shí)序回溯強(qiáng)化策略，建立針對(duì)所述滲透行為圖譜的在線自適應(yīng)檢測(cè)機(jī)制，實(shí)現(xiàn)對(duì)深度偽造攻擊的檢測(cè)；生成跨層差分特征向量的方法包括：從實(shí)際攻擊流量中采集數(shù)據(jù)并分別提取隱蔽信道層特征及DeepFake生成層特征，按時(shí)間戳將其分割為多個(gè)時(shí)間片，并標(biāo)注預(yù)設(shè)關(guān)鍵行為；基于相鄰時(shí)間片的特征對(duì)比，計(jì)算隱蔽信道層特征及DeepFake生成層特征的差分特征；將隱蔽信道層與DeepFake生成層的差分特征結(jié)合，形成跨層差分特征向量；生成多尺度顯著性映射矩陣的方法包括：獲取每個(gè)時(shí)間片內(nèi)的Agent層的行為特征，收集隱蔽信道的預(yù)設(shè)特征量在不同時(shí)間片的變化量，記錄DeepFake生成層的預(yù)設(shè)特征量在不同時(shí)間片的變化量；分別為Agent層、信道層和DeepFake生成層構(gòu)建獨(dú)立的注意力權(quán)重，通過(guò)對(duì)比相鄰時(shí)間片的差分特征調(diào)整所述注意力權(quán)重；根據(jù)使用所述注意力權(quán)重加權(quán)后的差分特征生成多尺度顯著性映射矩陣；基于時(shí)序回溯強(qiáng)化策略，建立針對(duì)所述滲透行為圖譜的在線自適應(yīng)檢測(cè)機(jī)制，實(shí)現(xiàn)對(duì)深度偽造攻擊的檢測(cè)的方法包括：采集網(wǎng)絡(luò)流量、Agent行為日志、隱蔽信道數(shù)據(jù)的實(shí)時(shí)數(shù)據(jù)，按照步驟S1至S5獲得滲透行為圖譜；引入時(shí)序回溯機(jī)制，生成一個(gè)滑動(dòng)窗口，存儲(chǔ)最近一段時(shí)間內(nèi)的歷史數(shù)據(jù)，根據(jù)所述實(shí)時(shí)數(shù)據(jù)以及所述滑動(dòng)窗口存儲(chǔ)的數(shù)據(jù)更新所述滲透行為圖譜；將所述滲透行為圖譜輸入所述多層異構(gòu)CycleGAN網(wǎng)絡(luò)的三個(gè)分支，獲得每個(gè)分支的檢測(cè)得分，根據(jù)每個(gè)分支的檢測(cè)得分的加權(quán)和獲得總得分；當(dāng)所述總得分大于設(shè)定的閾值時(shí)，判定存在深度偽造攻擊。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州安泉數(shù)智科技有限公司，其通訊地址為：310000 浙江省杭州市濱江區(qū)西興街道丹楓路399號(hào)2幢1901-1室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。