一种改进型神经网络模型的网络信息分析方法技术

本发明专利技术涉及数据识别技术领域，具体涉及一种改进型神经网络模型的网络信息分析方法，包括：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，将网络信息数据在信息数据传输通道中读取；本发明专利技术能够对网络环境进行分析，并进一步的网络对应的网络密度进行评价，达到对网络环境及其信息数据传输安全分析的初步判定，并且采用建立云端数据库及威胁数据库的方式，对网络中传输的信息数据进行比对，从而确保对网络中的信息数据进行精准的判定，使网络环境安全稳定。使网络环境安全稳定。使网络环境安全稳定。

【技术实现步骤摘要】
一种改进型神经网络模型的网络信息分析方法


[0001]本专利技术涉及数据识别
，具体涉及一种改进型神经网络模型的网络信息分析方法。

技术介绍

[0002]计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。
[0003]随着网络在人们日常生活中的普及，网络用户实时的在网络中发送信息数据与其他网络用户完成共享，但在这些网络信息中，常常会夹杂一些不利于网络健康和谐的信息数据，这些信息在网络用户所用网络中不断共享传输，进而导致这些信息数据无法被完全抹除，更进一步的影响到其他网络用户的网络使用安全及使用体验。

技术实现思路

[0004]解决的技术问题针对现有技术所存在的上述缺点，本专利技术提供了一种改进型神经网络模型的网络信息分析方法，解决了上述
技术介绍
中提出的技术问题。
[0005]技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种改进型神经网络模型的网络信息分析方法，包括以下步骤：步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，将网络信息数据在信息数据传输通道中读取；步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向语段数据库发送；步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理。
[0006]更进一步地，所述步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；
其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。
[0007]更进一步地，所述步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；其中，网络信息数据的格式在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。
[0008]更进一步地，所述步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。
[0009]更进一步地，所述步骤4中信息数据传输通道应用网络的密度分析通过如下公式进行计算，公式为：无向图：；有向图：；式中：d为网络密度，取值范围为0~1；n为网络中所包含的网络链路节点数n；l为网络中所包含的网络链路节点连接数。
[0010]更进一步地，用户通过手动编辑设定安全等级评价阈值，步骤4在根据网络密度对当前网络进行安全评价时，参考安全等级评价阈值对当前网络密度进行安全判定。
[0011]更进一步地，所述步骤5中构建的威胁数据库中包含数据内容为：敏感文字及敏感图像数据的特征图像，且敏感文字及敏感图像数据的特征通过用户向威胁数据库中输入；所述步骤5下级设置有子步骤，包括以下步骤：步骤51：对打包的信息数据进行文字识别及图像数据的特征提取，将识别的文字及图像数据特征与威胁数据库中储存的敏感文字及敏感图像数据特征图像进行比对；步骤52：计算打包信息数据中敏感文字及敏感图像数据特征图像的占比率；步骤53：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；步骤54：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；步骤55：对判定结果为是的信息数据开放数据共享权限，对判定结果为否信息数据进行删除。
[0012]更进一步地，所述步骤5在向威胁数据库发送打包的信息数据时，同步获取步骤4对信息数据应用网络的网络密度安全评价结果进行获取，步骤53中占比率判定阈值设置有两组，两组所述占比率判定阈值分别应用于步骤4中对网络安全评价判定不同结果。
[0013]更进一步地，所述步骤6中构建的人工神经网络模型为：；式中：为输出值；f（
·
）为激励函数；为输入信号；为阈值；为连接权值；I为i的最大取值项。
[0014]有益效果采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下有益效果：1、本专利技术提供一种改进型神经网络模型的网络信息分析方法，通过该方法中的步骤执行，能够对网络环境进行分析，并进一步的网络对应的网络密度进行评价，达到对网络环境及其信息数据传输安全分析的初步判定，并且采用建立云端数据库及威胁数据库的方式，对网络中传输的信息数据进行比对，从而确保对网络中的信息数据进行精准的判定，使网络环境安全稳定。
[0015]2、本专利技术中方法在步骤的执行过程中还通过构建信息数据传输通道的方式来对网络中的信息数据做初步的筛选处理，其对信息数据在构建的信息数据传输通道中的各链路节点进行读取的方式，有效的对信息数据进行了格式分类，并以此避免了含杂病毒的信息数据进一步传输，且以此降低了在对信息数据进行比对使得比对数据负担。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为一种改进型神经网络模型的网络信息分析方法的结构示意图；图2为本专利技术中方法的步骤51
‑
步骤55的流程示意图；图3为本专利技术中最小单位神经网络的分布结构展示示意图。
具体实施方式
[0018]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]下面结合实施例对本专利技术作进一步的描述。
[0020]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进型神经网络模型的网络信息分析方法，其特征在于，包括以下步骤：步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，将网络信息数据在信息数据传输通道中读取；步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向语段数据库发送；步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理。2.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。3.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；其中，网络信息数据的格式在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。4.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。5....

【专利技术属性】
技术研发人员：侯胜旭，
申请(专利权)人：深圳麦客存储科技有限公司，
类型：发明
国别省市：