一种基于深度学习的系统安全状态评级方法技术方案

本发明专利技术涉及一种基于深度学习的系统安全状态评级方法，属于人工智能领域。该方法包括：(1)通过收集当前系统的系统各方面状态数据，构建系统状态特征向量；(2)将上一步的特征向量输入到深度模型中，通过深度学习技术计算输出分析判别向量；(3)将分析判别向量输入到Logistic多分类回归模型中，通过Logistic多分类回归分析模型最终得到系统安全状态的分类评级。本发明专利技术应用于系统安全状态评级，从而增强对系统的安全监控、增加系统运行稳定性，及早发现系统安全状态异常，增强系统安全。利用深度学习技术和Logistic多分类回归分析模型，可通过以往的数据来判断预测当前以及未来系统状态的安全分类评级。本发明专利技术在系统运维与安全防护测领域有广泛的应用。全防护测领域有广泛的应用。全防护测领域有广泛的应用。

【技术实现步骤摘要】
一种基于深度学习的系统安全状态评级方法


[0001]本专利技术属于人工智能领域，具体涉及一种基于深度学习的系统安全状态评级方法。

技术介绍

[0002]系统安全状态评级方法，即针对系统安全状态的的安全性评级，是对带有不同安全状态级别的系统状态进行分析、处理、归类的过程。随着系统架构的日益复杂以及系统中承载的程序日益增多，系统中往往会同时运行海量的程序并且呈现多种多样的状态。系统提供的服务数量大量提升，用户对于安全性的要求也越来越高，但判定系统的安全状态也越来越难，所以系统安全状态评级技术越来越受到重视。系统安全状态评级是系统安全保护中的一项重要工作，主要用于系统保护、入侵检测、系统危险预警等方面，对于系统安全和系统数据安全发挥着至关重要的作用。
[0003]随着系统架构的日益复杂以及系统中承载的程序日益增多，传统的系统安全监测评级方法，即手工规则书写方法以及传统机器学习方法，越来越不能满足日益增长的对安全性的要求。
[0004]传统的规则判别方法利用手工进行规则书写，然后使用条件进行判断分类。利用手工进行规则书写，然后使用条件进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的系统安全状态评级方法，其特征在于，该方法包括如下步骤：S1、通过收集当前系统的各方面状态数据，构建系统状态特征向量；S2、将上一步的特征向量输入到深度模型中，通过深度学习技术计算输出分析判别向量；S3、将分析判别向量输入到Logistic多分类回归模型中，通过Logistic多分类回归分析模型最终得到系统安全状态的分类评级。2.如权利要求1所述的基于深度学习的系统安全状态评级方法，其特征在于，所述步骤S1具体包括：首先应该制定一个特征向量表，然后收集当前系统状态的特征，将特定的系统状态特征通过特征向量表编码成对应的取值，最终每一个时刻的系统状态特征通过特征向量表被编码成一个固定长度的特征向量{x1，x2，x3..，x
n
}其中n为特征向量的维度。3.如权利要求2所述的基于深度学习的系统安全状态评级方法，其特征在于，每一个特征向量都包括离散的整数特征值。4.如权利要求2所述的基于深度学习的系统安全状态评级方法，其特征在于，特征向量表的构建需要考虑几个因素：所在的单位拥有什么样的系统功能；该数据是否可以充分揭示系统的安全性；该数据在模型构建过程中，从技术角度上来讲是否具有分辨能力。5.如权利要求2
‑
4任一项所述的基于深度学习的系统安全状态评级方法，其特征在于，所述步骤S2具体包括：首先把每个系统状态的特征向量{x1，x2，x3..，x
n
}输入到一个标准的全连接深度学习模型中，深度模型维度结构为n
‑
l1‑
l2‑
l3‑
m，其中n为特征向量{x1，x2，x3..，x
n
}的维度...

【专利技术属性】
技术研发人员：钱丰，王佳，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：