一种基于人工智能的IPv6风险量化方法、系统、介质及设备技术方案

本发明专利技术公开一种基于人工智能的IPv6风险量化方法、系统、介质及设备，其中，所述系统包括数据采集单元、标注单元、数据筛选单元、数据组合单元、风险评估单元和风险量化单元，数据采集单元与标注单元通信连接，标注单元与数据筛选单元通信连接，数据筛选单元与数据组合单元通信连接，数据组合单元与风险评估单元通信连接，风险评估单元与风险量化单元通信连接。本发明专利技术结合了机器学习算法和网络安全技术，提高了IPv6风险判断的准确度和效率。高了IPv6风险判断的准确度和效率。高了IPv6风险判断的准确度和效率。

【技术实现步骤摘要】
一种基于人工智能的IPv6风险量化方法、系统、介质及设备


[0001]本专利技术涉及计算机网络安全
，具体地说是一种基于人工智能的IPv6风险量化方法、系统、介质及设备。

技术介绍

[0002]随着互联网的快速发展，IPv6网络协议得到广泛应用。然而，随着IPv6网络的普及，网络攻击日益增多，各种类型的网络攻击手段不断涌现，造成的风险也越来越大。

技术实现思路

[0003]为此，本专利技术所要解决的技术问题在于提供一种基于人工智能的IPv6风险量化方法、系统、介质及设备，结合了机器学习算法和网络安全技术，提高了IPv6风险判断的准确度和效率。
[0004]为解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的IPv6风险量化方法，包括如下步骤：S1）采集IPv6数据包；S2）利用步骤S1）采集到的IPv6数据包中的关键信息对相应的IPv6数据包进行分类标注，所述关键信息包括IPv6地址、协议类型与端口号；S3）对经步骤S2）处理后的IPv6数据包进行筛选，筛选出与安全风险相关的IPv6数据包；S4）将步骤S3）中筛选出来的IPv6数据包按照预定规则进行组合和组装；S5）利用机器学习算法对经步骤S4）组合后的IPv6数据包进行特征提取和风险评估以及网络安全风险等级分析；S6）利用量化模型依据步骤S5）的网络风险等级分析结果对步骤S4）组合后的IPv6数据包的风险等级进行量化。
[0005]上述方法，还包括：S7）对经步骤S6）风险等级量化的IPv6数据包相对应的IP地址进行存储和追踪。
[0006]上述方法，在步骤S2）中，通过如下步骤对IPv6数据包中的关键信息进行标注：S2
‑
1）通过协议规范对步骤S1）采集到的IPv6数据进行解析并提取出关键信息；S2
‑
2）根据步骤S2
‑
1）提取到的关键信息对相应的IPv6数据包进行分类标注。
[0007]上述方法，在步骤S3）中，在对经步骤S2）处理后的IPv6数据包进行筛选之前，先对经步骤S2）处理后的IPv6数据包进行去重。
[0008]上述方法，步骤S5）的具体步骤为：S5
‑
1）利用机器学习算法对经步骤S4）组合后的IPv6数据包进行特征提取，并将提取的特征作为相应的IPv6数据包的属性；S5
‑
2）将步骤S5
‑
1）提取的特征与历史数据进行匹配，同时使用监督学习算法进行风险评估；
S5
‑
3）根据步骤S5
‑
2）的风险评估结果对IPv6数据包进行风险等级划分。
[0009]上述方法，在步骤S6）中，在对步骤S4）组合后的IPv6数据包的风险等级进行量化时，根据IPv6数据包的属性权重对IPv6数据包的风险值进行加权。
[0010]一种利用上述基于人工智能的IPv6风险量化方法对IPv6风险进行量化的系统，包括：数据采集单元，用于采集IPv6数据包；标注单元，用于IPv6数据包进行分类标注；数据筛选单元，用于对分类标注后的IPv6数据包进行筛选；数据组合单元，用于对筛选得到的IPv6数据包按照预定规则进行组合和组装；风险评估单元，用于对组合后的IPv6数据包进行特征提取和风险评估以及网络安全风险等级分析；风险量化单元，用于依据IPv6数据包的网络安全风险等级分析结果对IPv6数据包的风险等级进行量化；数据采集单元与标注单元通信连接，标注单元与数据筛选单元通信连接，数据筛选单元与数据组合单元通信连接，数据组合单元与风险评估单元通信连接，风险评估单元与风险量化单元通信连接。
[0011]上述系统，还包括用于存储数据的数据存储单元和用于IP地址追踪的IP追踪单元，风险评估单元和风险量化单元以及IP追踪单元分别与数据存储单元通信连接。
[0012]计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。
[0013]计算机设备，包括可读存储介质、处理器以及存储在可读存储介质上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现上述方法。
[0014]本专利技术的技术方案取得了如下有益的技术效果：1.本专利技术通过机器学习算法等技术手段，实现了对IPv6网络协议的安全风险识别和防范，提高了网络安全防御水平，可以有效防范各种网络攻击手段。
[0015]2.高准确度：通过应用机器学习算法和网络安全技术，能够更准确地识别IPv6网络中的风险，并对其进行量化评估。相比传统的人工判断方式，准确度更高。
[0016]3.高效率：借助人工智能技术，能够自动化处理大量的IPv6数据包，并在短时间内完成风险分析和评估，提高处理效率。
[0017]4.多维度分析：该方法通过贴标签、过滤、打分等步骤，能够综合考虑多个因素，如流量类型、来源地址、目标地址、协议类型等，从而进行全面的风险分析。
[0018]5.风险量化：通过对风险进行量化，可以将不同级别的风险进行分类和排序，便于用户对风险进行优先级管理和决策制定。
[0019]6.精准识别恶意动态IP：该方法能够准确识别并标记恶意动态IP，帮助网络安全团队及时采取应对措施，提升网络的安全性和防御能力。
附图说明
[0020]图1为本专利技术中基于人工智能的IPv6风险量化系统的工作原理图；图2为本专利技术中基于人工智能的IPv6风险量化流程图；
图3为本专利技术中可以进行基于人工智能的IPv6风险量化的计算机设备原理图。
具体实施方式
[0021]下面结合示例，针对本专利技术进行进一步说明。
[0022]如图1所示，本专利技术中基于人工智能的IPv6风险进行量化系统，包括数据采集单元、标注单元、数据筛选单元、数据组合单元、风险评估单元和风险量化单元，数据采集单元与标注单元通信连接，标注单元与数据筛选单元通信连接，数据筛选单元与数据组合单元通信连接，数据组合单元与风险评估单元通信连接，风险评估单元与风险量化单元通信连接。
[0023]为了对具有风险的IP地址进行精准识别，本实施例中，还增设了用于IP地址追踪的IP追踪单元和用于存储数据的数据存储单元，风险评估单元和风险量化单元以及IP追踪单元分别与数据存储单元通信连接。在对具有风险的IP地址追踪时，IP地址追踪单元根据数据存储单元存储的风险评估结果对具有风险的IP地址进追踪。
[0024]如图2所示，利用基于人工智能的IPv6风险量化系统对现有网络中IPv6风险进行量化时，进行如下操作：S1）采集IPv6数据包；S2）利用步骤S1）采集到的IPv6数据包中的关键信息对相应的IPv6数据包进行分类标注，所述关键信息包括IPv6地址、协议类型与端口号；S3）对经步骤S2）处理后的IPv6数据包进行筛选，筛选出与安全风险相关的IPv6数据包；S4）将步骤S3）中筛选出来的IPv6数据包按照预定规则进行组合和组装；S5）利用机器学习算法对经步骤S4）组合后的IPv6数据包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的IPv6风险量化方法，其特征在于，包括如下步骤：S1）采集IPv6数据包；S2）利用步骤S1）采集到的IPv6数据包中的关键信息对相应的IPv6数据包进行分类标注，所述关键信息包括IPv6地址、协议类型与端口号；S3）对经步骤S2）处理后的IPv6数据包进行筛选，筛选出与安全风险相关的IPv6数据包；S4）将步骤S3）中筛选出来的IPv6数据包按照预定规则进行组合和组装；S5）利用机器学习算法对经步骤S4）组合后的IPv6数据包进行特征提取和风险评估以及网络安全风险等级分析；S6）利用量化模型依据步骤S5）的网络风险等级分析结果对步骤S4）组合后的IPv6数据包的风险等级进行量化。2.根据权利要求1所述的方法，其特征在于，还包括：S7）对经步骤S6）风险等级量化的IPv6数据包相对应的IP地址进行存储和追踪。3.根据权利要求1所述的方法，其特征在于，在步骤S2）中，通过如下步骤对IPv6数据包中的关键信息进行标注：S2
‑
1）通过协议规范对步骤S1）采集到的IPv6数据进行解析并提取出关键信息；S2
‑
2）根据步骤S2
‑
1）提取到的关键信息对相应的IPv6数据包进行分类标注。4.根据权利要求1所述的方法，其特征在于，在步骤S3）中，在对经步骤S2）处理后的IPv6数据包进行筛选之前，先对经步骤S2）处理后的IPv6数据包进行去重。5.根据权利要求1所述的方法，其特征在于，步骤S5）的具体步骤为：S5
‑
1）利用机器学习算法对经步骤S4）组合后的IPv6数据包进行特征提取，并将提取的特征作为相应的IPv6数据包的属性；S5
‑
2）将步骤S5
‑
1）提...

【专利技术属性】
技术研发人员：蒋驰，夏浩菁，冯天阳，
申请(专利权)人：明阳产业技术研究院沈阳有限公司，
类型：发明
国别省市：