网络资产的管理方法、系统、终端设备以及程序产品技术方案

本发明专利技术公开了一种网络资产的管理方法、系统、终端设备以及计算机程序产品。该网络资产的管理方法通过获取网络资产的图像数据；调用预设的深度学习图像识别模型根据所述图像数据判断所述网络资产所属的网络资产主体，其中，所述深度学习图像识别模型结合基于区域的目标定位算法和基于卷积神经网络的图像识别算法构建得到；根据所述网络资产主体生成所述网络资产对应的信息报告。相比于传统收集分类或者结合机器学习仅作简单分类的网络资产管理方式，本发明专利技术结合人工智能与自然图像数据处理技术来进行网络资产的识别分类，实现了对网络资产的图像资源进行自动化的识别与分类，极大的提高了对于网络资产进行识别和分类的效率和准确性。率和准确性。率和准确性。

【技术实现步骤摘要】
网络资产的管理方法、系统、终端设备以及程序产品


[0001]本专利技术涉及网络安全
，尤其涉及一种网络资产的管理方法、系统、终端设备以及计算机程序产品。

技术介绍

[0002]随着5G(5th Generation Mobile Communication Technology：第五代移动通信技术)时代的来临与万物互联概念的兴起，暴露在互联网中的网络资产出现了井喷式的激增现象，如此，针对网络资产进行探测识别与信息分类等管理的难度也急剧上升。
[0003]目前，针对网络资产进行探测与信息识别分类等采用的都是主动扫描和收集分类的方式，即，根据网络资产的特定指纹或者标志代码进行资产分类和标记。然而，在面对网络资产急剧增长的情况下，现有方式针对网络资产的识别和分类效率以及准确度等都存在缺陷。现有也存在结合机器学习来进行资产识别与分类的方式，然而，该方式也并未针对网络资产进行深入的处理和分析，且还需要大量人工辅助操作，同样效率低且准确性差。

技术实现思路

[0004]本专利技术的主要目的在于提供一种网络资产的管理方法、系统、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络资产的管理方法，其特征在于，所述网络资产的管理方法包括：获取网络资产的图像数据；调用预设的深度学习图像识别模型根据所述图像数据判断所述网络资产所属的网络资产主体，其中，所述深度学习图像识别模型结合基于区域的目标定位算法和基于卷积神经网络的图像识别算法构建得到；根据所述网络资产主体生成所述网络资产对应的信息报告。2.如权利要求1所述的网络资产的管理方法，其特征在于，所述网络资产的管理方法，还包括：结合基于区域的目标定位算法和基于卷积神经网络的图像识别算法构建深度学习图像识别模型。3.如权利要求2所述的网络资产的管理方法，其特征在于，所述结合基于区域的目标定位算法和基于卷积神经网络的图像识别算法构建深度学习图像识别模型的步骤，包括：采集网络资产主体的网络图像数据以建立训练数据集；利用所述基于区域的目标定位算法确定所述训练数据集中各所述网络图像数据的候选区域；将所述候选区域作为输入以针对基于卷积神经网络的图像识别算法进行训练，以构建得到用于判断各所述网络图像数据各自所属网络资产主体的深度学习图像识别模型。4.如权利要求3所述的网络资产的管理方法，其特征在于，所述利用所述基于区域的目标定位算法确定所述训练数据集中各所述网络图像数据的候选区域的步骤，包括：利用所述基于区域的目标定位算法根据所述网络资产主体的图像参数选取N个候选框，其中，N的计算公式为：其中，e为根据网络资产探测精度和速度进行调整的可变参数，size为所述图像参数中包含的图像尺寸，mean为所述训练数据集中各所述网络图像数据size大小的加权平均；按照所述候选框确定所述训练数据集中各所述网络图像数据的候选区域。5.如权利要求3所述的网络资产的管理方法，其特征在于，所述卷积神经网络为vgg16网络，所述将所述候选区域作为输入以针对基于卷积神经网络的图像识别算法进行训练的步骤，包括：将所述...

【专利技术属性】
技术研发人员：张海涛，蒋熠，陈琦，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：