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！

龙图腾网获悉麒麟软件有限公司申请的专利一种基于多模型级联与遗传算法优化的钓鱼网站检测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：CN121530761B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610050733.9，技术领域涉及：H04L9/40；该发明授权一种基于多模型级联与遗传算法优化的钓鱼网站检测方法是由刘刚;于珊珊;李蕾;杨诏钧;魏立峰;孔金珠设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本一种基于多模型级联与遗传算法优化的钓鱼网站检测方法在说明书摘要公布了：本发明涉及一种基于多模型级联与遗传算法优化的钓鱼网站检测方法，包括以下步骤：S100：构建离线优化模块：基于历史数据集、优化目标和约束条件，通过遗传算法优化器求解最优阈值组合，历史数据集包括不同模型的预测置信度分数、真实标签和每个模型的预测平均耗时；S200：构建在线检测模块：加载最优阈值组合，采用多模型级联推理方式对输入的待检测网站url进行实时检测，多模型级联推理遵循快速裁决、按需深入原则，通过层级筛选实现检测效率与精度的平衡。本发明的目的是利用遗传算法的全局搜索能力，自动化地求解出一套最优的模型决策阈值，使得在线级联系统能够在满足严格性能约束的前提下，实现检测效率的最大化。

本发明授权一种基于多模型级联与遗传算法优化的钓鱼网站检测方法在权利要求书中公布了：1.一种基于多模型级联与遗传算法优化的钓鱼网站检测方法，其特征在于，包括以下步骤： S100：构建离线优化模块： 基于历史数据集、优化目标和约束条件，通过遗传算法优化器求解最优阈值组合，历史数据集包括真实样本； 其中，步骤S100中的离线优化模块具体包括： S110：数据准备单元： 收集历史网站访问数据并标注样本标签，得到真实样本； S120：参数配置单元： 设定优化目标的相关参数、性能约束参数和决策变量的搜索范围；步骤S120中的相关参数包括平衡因子、漏报代价系数和误报代价系数，且； 步骤S120中的性能约束参数包括最低检出率最高误报率、检出率约束和误报率约束； 其中， ， ， 检出率：， 表示在所有钓鱼网站中，在个体所对应阈值组合下，被检测系统正确识别出来的比例，其中，为被检测系统识别出来的钓鱼网站数量，为检测系统漏检的钓鱼网站数量； 误报率：， 表示在所有正常网站中，在个体所对应阈值组合下，被检测系统错误判定为钓鱼网站的比例，其中，为被检测系统误判的钓鱼网站数量，为被检测系统判定为正常网站的数量； S130：遗传算法求解单元： 以步骤S110的样本标签、步骤S120设定的相关参数、性能约束参数和决策变量的搜索范围为规则输入，依次通过编码与初始化、适应度评估、遗传操作和迭代终止四个步骤，输出最优阈值组合； 步骤S130的遗传算法求解单元具体包括： S131：编码与初始化： 采用浮点数编码将决策变量编码为染色体，在设定的搜索范围内随机生成初始种群； S132：适应度评估： 对种群中每个个体，计算自适应度： ， 其中，为目标函数值，确定方法为： ； 为个体所对应阈值组合下，在历史数据集上评估得到的平均检测时间；为个体所对应阈值组合下，在历史数据集上评估得到的平均业务风险代价； 为个体所对应阈值组合下的约束违反惩罚项，通过静态惩罚函数表达式确定： ； 上式中，是正惩罚系数； S133：遗传操作： 依次采用锦标赛选择法的选择操作、采用模拟二进制交叉的交叉操作和采用多项式变异的变异操作； S134：迭代终止： 当达到最大进化代数； 或者，监控最优解在连续代内的改进量，若，则提前终止； S200：构建在线检测模块： 加载最优阈值组合，采用多模型级联推理方式对输入的待检测网站url进行实时检测，多模型级联推理遵循快速裁决、按需深入原则，通过层级筛选实现检测效率与精度的平衡；最优阈值组合的确定方法为： ； 步骤S200中的多模型级联推理采用3个模型，分别为url判别模型、html判别模型和domain判别模型，且三个模型的平均耗时满足：url判别模型＜html判别模型＜domain判别模型。

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麒麟软件有限公司，其通讯地址为：300450 天津市滨海新区滨海高新区塘沽海洋科技园信安创业广场3号楼6-8层；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”。

以上内容由龙图腾AI智能生成。