信息安全监控模型构建及其应用方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种信息安全监控模型构建及其应用方法、装置和存储介质，所述方法包括：构建初始化信息安全监控模型；获取信息安全数据集合；基于粒子群算法，对信息安全数据集合进行粒子最优解计算，得到粒子最优解，并作为初始化BP神经网络的初始权重及偏置变量；基于初始化BP神经网络，对信息安全数据集合进行预测计算，得到预测结果；在预测结果不满足预设终止条件时，则调整初始化BP神经网络的权重及偏置变量，并返回基于初始化BP神经网络，对信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到预测结果满足预设终止条件，对预测结果进行反归一化处理，得到信息安全监控模型，采用本发明专利技术提高信息安全监控的预测准确性。测准确性。测准确性。

【技术实现步骤摘要】
信息安全监控模型构建及其应用方法、装置和存储介质


[0001]本专利技术涉及联盟链信息安全监控领域，尤其涉及一种信息安全监控模型构建方法、信息安全监控方法、装置及存储介质。

技术介绍

[0002]智慧城市是以新一代信息技术为基础，整合并分析城市数据资源，推进城市信息资源的网络化共享、集约化整合、协作化开发和高效化利用，为城市管理和公众服务提供更智能化的服务。智慧城市建设以区块链、大数据、云计算等新一代信息技术体系为支撑，数据涉及政务、商业、生活等城市各方面，在为城市管理和公众服务带来诸多便利的同时，也使大量政务信息、企业隐私数据和用户信息面临安全风险，信息安全成为国家安全重要组成部分。信息安全作为智慧城市建设的重要环节，需要采取一系列技术来应对日益突出的网络和信息安全问题。
[0003]目前应对日益突出的网络和信息安全问题，主要采用区块链技术。其中，区块链包括公有链、私有链、联盟链。公有链公开透明，任何团体和个人都可以在公有链上交易，但存在隐私权受限等问题。私有链则完全封闭，只有被许可的节点才可以参与并查看所有数据，不具备去中心化的特征，不利于促进数据共享。近几年我国区块链技术的研究热点集中于联盟链关键技术、区块链监管技术两方面。联盟链具有准入机制，交易信息不向公众公开，只有内部机构和用户才有权访问，具有更好的隐私性；所有参与节点共同选取记账人进行记账，容易达成共识，交易速度较快。联盟链可以很好的解决智慧城市信息资源分散、信息安全性问题。随着联盟链在智慧城市建设中广泛应用，BEC、SMT、EDU智能合约安全漏洞、BCH共识破裂硬分叉等安全事件不断发生，造成了经济损失。因此，需要对联盟链的信息安全进行预测，但目前对区块链信息安全进行预测主要是通过对区块链的加密技术、智能合约技术、共识算法进行研究预测，存在预测准确性低的问题。
[0004]因此，现有的对联盟链进行信息安全监控时，存在预测准确性低的问题。

技术实现思路

[0005]本专利技术实施例提供一种信息安全监控模型构建方法、信息安全监控方法、装置和存储介质，以提高对联盟链进行信息安全监控时的预测准确性。
[0006]为了解决上述技术问题，本申请实施例提供一种信息安全监控模型构建方法，包括：构建初始化信息安全监控模型，其中，所述初始化信息安全监控模型包括初始化BP神经网络。
[0007]获取信息安全数据集合，并将所述信息安全数据集合输入所述初始化信息安全监控模型中。
[0008]基于粒子群算法，对所述信息安全数据集合进行粒子最优解计算，得到粒子最优解，并将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量，其中，所述粒
子群算法通过非线性更新所述初始化BP神经网络的权重及偏置变量。
[0009]基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果。
[0010]在所述预测结果不满足预设终止条件时，则对所述初始化BP神经网络的权重及偏置变量进行参数调整，并返回所述基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到所述预测结果满足预设终止条件。
[0011]对所述预测结果进行反归一化处理，将得到的模型作为信息安全监控模型。
[0012]为了解决上述技术问题，本申请实施例提供一种信息安全监控方法，包括：获取联盟链数据。
[0013]将所述联盟链数据输入信息安全监控模型中，其中，所述信息安全监控模型为通过所述的信息安全监控模型构建方法构建得到的模型。
[0014]基于所述信息安全监控模型，对所述联盟链数据进行信息安全监控，得到预测值。
[0015]为了解决上述技术问题，本申请实施例还提供一种信息安全监控模型构建装置，包括：初始化信息安全监控模型构建模块，用于构建初始化信息安全监控模型，其中，所述初始化信息安全监控模型包括初始化BP神经网络。
[0016]信息安全数据集合获取模块，用于获取信息安全数据集合，并将所述信息安全数据集合输入所述初始化信息安全监控模型中。
[0017]粒子计算模块，用于基于粒子群算法，对所述信息安全数据集合进行粒子最优解计算，得到粒子最优解，并将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量，其中，所述粒子群算法通过非线性更新所述初始化BP神经网络的权重及偏置变量。
[0018]预测模块，用于基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果。
[0019]循环模块，用于在所述预测结果不满足预设终止条件时，则对所述初始化BP神经网络的权重及偏置变量进行参数调整，并返回所述基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到所述预测结果满足预设终止条件。
[0020]信息安全监控模型确定模块，用于对所述预测结果进行反归一化处理，将得到的模型作为信息安全监控模型。
[0021]为了解决上述技术问题，本申请实施例还提供一种信息安全监控装置，包括：联盟链数据获取模块，用于获取联盟链数据。
[0022]输入模块，用于将所述联盟链数据输入信息安全监控模型中，其中，所述信息安全监控模型为通过所述的信息安全监控模型构建方法构建得到的模型。
[0023]预测模块，用于基于所述信息安全监控模型，对所述联盟链数据进行信息安全监控，得到预测值。
[0024]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信息安全监控模型构建方法和信息安全监控方法的步骤。
[0025]本专利技术实施例提供的信息安全监控模型构建方法、信息安全监控方法、装置和存
储介质，通过构建初始化信息安全监控模型；获取信息安全数据集合，并将所述信息安全数据集合输入所述初始化信息安全监控模型中；基于粒子群算法，对所述信息安全数据集合进行粒子最优解计算，得到粒子最优解，并将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量；基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果；在所述预测结果不满足预设终止条件时，则对所述初始化BP神经网络的权重及偏置变量进行参数调整，并返回所述基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到所述预测结果满足预设终止条件；对所述预测结果进行反归一化处理，将得到的模型作为信息安全监控模型。通过使用粒子群优化BP神经网络算法，构建信息安全监控模型，提高粒子全局搜索能力。该预测方法能适应联盟链信息安全风险的复杂性、非线性、不确定性等特点，从而提高对联盟链进行信息安全监控时的预测准确性。
附图说明
[0026]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息安全监控模型构建方法，其特征在于，所述信息安全监控模型构建方法包括：构建初始化信息安全监控模型，其中，所述初始化信息安全监控模型包括初始化BP神经网络；获取信息安全数据集合，并将所述信息安全数据集合输入所述初始化信息安全监控模型中；基于粒子群算法，对所述信息安全数据集合进行粒子最优解计算，得到粒子最优解，并将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量，其中，所述粒子群算法通过非线性更新所述初始化BP神经网络的权重及偏置变量；基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果；在所述预测结果不满足预设终止条件时，则对所述初始化BP神经网络的权重及偏置变量进行参数调整，并返回所述基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到所述预测结果满足预设终止条件；对所述预测结果进行反归一化处理，将得到的模型作为信息安全监控模型。2.如权利要求1所述的信息安全监控模型构建方法，其特征在于，所述构建初始化信息安全监控模型的步骤包括：获取BP神经网络的输出层神经元个数和信息安全指标的种类数量；根据所述信息安全指标的种类数量，确定所述BP神经网络的输入层神经元个数；基于所述BP神经网络的输入层神经元个数和输出层神经元个数，确定所述BP神经网络的隐藏层神经元个数；基于所述BP神经网络的输入层神经元个数、输出层神经元个数和隐藏层神经元个数，构建初始化BP神经网络；基于粒子群算法和所述初始化BP神经网络，构建初始化信息安全监控模型。3.如权利要求1所述的信息安全监控模型构建方法，其特征在于，所述获取信息安全数据集合的步骤包括：获取联盟链数据，其中，所述联盟链数据包括信息安全指标和风险值；对所述联盟链数据中的信息安全指标和风险值进行预处理和归一化处理，并将处理得到的数据作为信息安全数据加入到信息安全数据集合中。4.如权利要求1所述的信息安全监控模型构建方法，其特征在于，所述基于粒子群算法，对所述信息安全数据集合进行粒子最优解计算，得到粒子最优解，并将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量的步骤包括：基于粒子群算法，对所述信息安全数据集合进行粒子群划分，得到至少两个粒子群，其中，每一个粒子群包括信息安全数据；针对每一个所述粒子群，计算所述粒子群中每个粒子的适应度，并根据所有所述粒子的适应度，确定所述粒子群的个体最优解；基于所有所述粒子群的个体最优解，确定粒子最优解；在所述粒子最优解不满足预设终止条件时，则对所有所述粒子群进行参数更新，并返回所述针对每一个所述粒子群，计算所述粒子群中每个粒子的适应度，并根据所有所述粒子的适应度，确定所述粒子群的个体最优解继续执行，直到所述粒子最优解满足预设终止
条件，将所述粒子最优解作为所述初始化BP神经网络的初始权重及偏置变量。5.如权利要求1所述的信息安全监控模型构建方法，其特征在于，所述在所述预测结果不满足预设终止条件时，则对所述初始化BP神经网络的权重及偏置变量进行参数调整，并返回所述基于所述初始化BP神经网络，对所述信息安全数据集合进行预测计算，得到预测结果的步骤继续训练，直到所述预测结果满足预设终止条件的步骤包括：对所述预测结果进行误差计算，得到误差值；当所述误差值不满足精确度要求时，...

【专利技术属性】
技术研发人员：周新民，刘俊杰，谢宝，鲍娜娜，熊智谋，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：