System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及网络安全分析技术,具体涉及一种基于大数据的网络安全保护方法。
技术介绍
1、网络安全,通常指计算机网络的安全,实际上也可以指计算机通信网络的安全。计算机通信网络是将若干台具有独立功能的计算机通过通信设备及传输媒体互连起来,在通信软件的支持下,实现计算机间的信息传输与交换的系统。而计算机网络是指以共享资源为目的,利用通信手段把地域上相对分散的若干独立的计算机系统、终端设备和数据设备连接起来,并在协议的控制下进行数据交换的系统。计算机网络的根本目的在于资源共享,通信网络是实现网络资源共享的途径,因此,计算机网络是安全的,相应的计算机通信网络也必须是安全的,应该能为网络用户实现信息交换与资源共享。下文中,网络安全既指计算机网络安全,又指计算机通信网络安全。然而,现有基于大数据的网络安全保护方法和网络安全保护平台对目标网络安全保护强度分析一般采用对标方法或者基于漏洞的风险评估方法,很难对目标网络的真实安全保护强度进行定量化分析;同时,网络质量差,有效利用率低。
2、现有技术中虽然提高了网络安全管理系统的高质量监测准确性,但是对于不同数据环境下对于网络安全管理系统的分析精度具有不同的需求,如果采用统一的精度标准对网络安全分析仪进行设置,会增加网络安全分析仪的维护工作,增加网络安全分析仪的维护经费。
技术实现思路
1、本专利技术的目的是提供一种基于大数据的网络安全保护方法,以解决现有技术中对于不同数据环境下对于网络安全管理系统的分析精度具有不同的需求,如果采用统一的精
2、为了实现上述目的,本专利技术提供如下技术方案:一种基于大数据的网络安全保护方法,包括:
3、检测路线获得模块,所述检测路线获得模块用于获取用于对网络分析仪进行质量检测的检测网络,所述网络分析仪为网络安全分析仪;
4、网络安全信息获得模块,所述网络安全信息获得模块用于采用所述网络分析仪对所述检测网络进行网络安全扫描检测,获得扫描网络安全信息;
5、检测结果获得模块,所述检测结果获得模块用于将所述扫描网络安全信息输入所述网络分析仪的分析模型内,获取所述检测网络内各种成分的含量;
6、误差参数获取模块,所述误差参数获取模块用于分别计算所述检测结果内检测含量信息与实际含量信息的误差参数;
7、数据特征提取模块,所述数据特征提取模块用于提取所述检测结果获得模块获取的检测网络内各成分含量的特征信息;
8、信息评价模块,所述信息评价模块用于对多个所述数据特征提取模块提取的特征信息进行信息重要程度评价;
9、信息重要程度建模 模块,所述信息重要程度建模模块用于对所述信息评价模块评价完成的特征信息进行建模;
10、网络使用环境输入模块,所述网络使用环境输入模块用于人为输入当前检测网络的使用环境,所述网络使用环境输入模块接收当前检测网络的使用环境后,分析当前环境下检测网络各成分的使用权重;
11、归一化处理模块,所述归一化处理模块用于进行归一化处理。
12、进一步地,所述数据特征提取的具体方法为:
13、a1,采用快速傅里叶变换的方法,将原始时域信息数据转换为频域数据,并将数据集分成训练集与测试集;
14、a2,使用训练集训练卷积自编码特征提取模型,训练完成之后,将训练集与测试集的频域数据输入模型,获得训练集与测试集的编码特征;
15、a3,使用训练集的编码特征训练多层双向lstm迭代生成模型,训练完成之后,输入训练集与测试集的编码特征,获得训练集与测试集的迭代生成特征。
16、进一步地,所述信息评价的具体方法为:
17、b1,对不同数据源的同一特征序列的趋势项进行归一化(0−1)和降采样处理,特征序列的趋势项经过归一化和降采样处理后变为,降采样处理的主要计算公式如下:
18、m=k/f,
19、,
20、:
21、其中:f表示将的时间长度平均分成f个区间,同时也是将采样后特征值的总个数;m表示每个区间的长度且不取整;rounduo(*)为向上取整函数;g(f)表示第f个区间的长度;表示第f个区间降采样后特征的取值,表示第i个来源数据的第r个特征序列,经指数加权移动平滑处理后的趋势项为;
22、b2,对不同来源数据的同一特征序列之间的相关性进行计算,计算同一特征序列在两两数据之间的相关性值,具体计算公式如下:
23、,
24、式中:n表示数据来源的总个数,表示第1个数据源的第r个特征序列与第2个数据源的第r个特征序列之间的相关性值;
25、b3,对步骤b2中计算出的结果进行取均值处理,获得得分qr,具体计算公式如下:
26、,
27、式中:e表示qr中的个数。
28、进一步地,所述信息重要程度建模的建模方法为:
29、c1,确定网络拓扑结构,提取多个与网络安全信息相关的特征作为输入,设置bpnn结构隐藏层的神经元个数为4,网络安全信息作为输出层;
30、c2,数据标准化处理,由于特征之间的单位不同,因此需要对数据进行标准化处理,减小不同量纲对结果的影响;
31、c3,网络结构确定,设置bpnn结构的初始权值阈值、连接算法和学习速率;
32、c4,模型的训练,对bpnn进行训练,通过调整参数,直到误差低于规定要求,使用测试集进行验证。
33、进一步地,所述信息重要程度建模的具体建模方法为:
34、d1,随机化初始化种群;
35、d2,计算种群适应度,基于个体确定的bpnn权值与初始阈值,具体计算公式如下:
36、,
37、其中a为变量的节点个数,yb为第b个节点的预测数据,ob为第b个节点的实际数据,c为系数;
38、d3,选择操作,采用轮盘赌法进行选择操作,继而从种群中选择适应度好的个体组成新种群,个体选择的概率具体公式如下:
39、;
40、d4,交叉操作,随机选取两个个体进行交叉操作,以在j位的第m个染色体am与第q个染色体aq为例,具体公式如下:
41、,
42、其中e为[0,1]之间的随机数字;
43、d5,变异操作,随机从种群中选择一个个体,按一定的概率进行变异操作得到新的个体;
44、d6,利用得到的最优值更新权值阈值,训练得到网络安全信息数据模型。
45、进一步地,质量监测分析系统的具体工作方法为:
46、s1,获取用于对网络分析仪进行质量检测的检测网络;
47、s2,对检测网络进行网络安全扫描检测,获得扫描网络安全信息;
48、s3,将网络安全信息输入网络分析仪的分析模型内,获取检测网络内各本文档来自技高网...
【技术保护点】
1.一种基于大数据的网络安全保护方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据的网络安全保护方法,其特征在于,所述数据特征提取的具体方法为:
3.根据权利要求2所述的一种基于大数据的网络安全保护方法,其特征在于,所述信息评价的具体方法为:
4.根据权利要求3所述的一种基于大数据的网络安全保护方法,其特征在于,所述信息重要程度建模的建模方法为:
5.根据权利要求4所述的一种基于大数据的网络安全保护方法,其特征在于,所述信息重要程度建模的具体建模方法为:
6.根据权利要求5所述的一种基于大数据的网络安全保护方法,其特征在于,质量监测分析系统的具体工作方法为:
【技术特征摘要】
1.一种基于大数据的网络安全保护方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据的网络安全保护方法,其特征在于,所述数据特征提取的具体方法为:
3.根据权利要求2所述的一种基于大数据的网络安全保护方法,其特征在于,所述信息评价的具体方法为:
4.根据权利要求3所述的一...
【专利技术属性】
技术研发人员:李中锋,王海波,童浩,
申请(专利权)人:湖北华特信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。