【技术实现步骤摘要】
本专利技术涉及安全风险评估，具体地说，涉及一种基于人工智能算法模型安全风险评估系统及方法。
技术介绍
1、现实场景中，网络在生活中起到及其重要的作用，并涉及到的领域较为广泛，且是不可缺少的一部分，于是专业人员为了使人在较为安全的网络环境下进行工作或学习，加强网络安全技术防止别人的恶意攻击行为，当使用人再登录过程中或是在查看重要文件内容时，对方会利用模型参数泄露的漏洞问题进行恶意攻击行为，不仅会导致身份信息暴露还会导致网络出现安全风险问题，这样会带来极大地损失，为了防止对方利用模型参数泄露的漏洞问题进行恶意攻击行为，并及时发现该行为和进行针对性的制定建议措施，于是我们提供了一种基于人工智能算法模型安全风险评估系统及方法。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能算法模型安全风险评估系统及方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术目的之一在于，提供了一种基于人工智能算法模型安全风险评估系统，包括获取处理单元、分析建模单元、风险评估单元、建议措施单元；
3、所述获取处理单元用于获取网络相关历史数据并进行处理；
4、所述分析建模单元用于接收获取处理单元中获取的网络相关数据并进行网络异常的分析，再根据分析的网络异常数据进行异常模型的建立；
5、所述风险评估单元用于接收分析建模单元中分析的网络异常数据、异常模型数据进行异常模型参数泄露情况的风险评估；
6、所述建议措施单元用于接收风险评估单
7、所述建议措施单元根据风险评估单元中的数据、分析的网络异常数据和获取的相关数据进行风险建议措施的制定，将建议措施传入分析建模单元中并进行建议措施的异常分析，将建议措施中分析的异常特征数据传入异常模型中，并进行建议措施中异常特征的分析，将建议措施中异常特征数据传入风险评估单元中，风险评估单元根据分析的网络异常数据和建议措施中的异常特征数据进行异常模型参数泄露情况的风险评估，将评估的数据传入建议措施单元中再次进行风险建议措施的制定。
8、作为本技术方案的进一步改进，所述获取处理单元用于获取网络相关数据和安全事件数据，以及恶意行为数据并进行处理。
9、作为本技术方案的进一步改进，所述分析建模单元用于接收获取处理单元中获取的数据，并利用回归分析算法根据获取的数据进行网络异常的分析，再利用模型训练技术根据分析的网络异常数据进行异常模型的建立，用于收集所有的异常数据。
10、作为本技术方案的进一步改进，所述风险评估单元用于接收分析建模单元中分析的网络异常数据和异常模型数据，并利用模型分析算法根据分析的网络异常数据和异常模型数据进行异常模型参数泄露情况的风险评估。
11、作为本技术方案的进一步改进，所述风险评估单元中评估的异常模型参数泄露风险情况，具体包括：
12、假设异常模型为一个参数集合p＝p1、p2、···、pn，其中pi是参数集合中的第i个参数，该参数在数据集合中出现的比例为fi
13、，再利用模型分析算法进行计算，模型分析算法公式：
14、
15、其中，h(p)表示评估的异常模型参数泄露的风险值，log取底为2，fj是参数pi在数据集中出现的频率；
16、当评估的异常模型参数泄露的风险值超出设定的阈值时，则表明异常模型中存在参数泄露风险情况。
17、作为本技术方案的进一步改进，所述建议措施单元用于接收获取处理单元中的数据和分析建模单元中分析的网络异常数据，接收风险评估单元中评估的异常模型参数泄露风险数据，并利用安全措施法根据获取处理单元中的数据、分析的网络异常数据和评估的异常模型参数泄露风险数据进行建议措施的制定。
18、作为本技术方案的进一步改进，所述建议措施单元中安全措施法实现原理：
19、原理①、首先，将制定建议措施过程中涉及获取处理单元中的数据、分析的网络异常数据和评估的异常模型参数泄露风险数据进行规则化；
20、原理②、建立一个安全措施库，存储所有的规则化的数据以及网络相关的安全知识，并用于执行规则的解析；
21、原理③、根据当前评估的异常模型参数泄露风险数据和安全措施库中已知的规则化数据和网络相关的安全知识进行匹配，一旦匹配到适用的规则和网络相关安全知识，根据获取的网络相关数据和匹配的知识得出建议措施。
22、本专利技术目的之二在于，提供了一种用于操作包括上述任意一项所述的基于人工智能算法模型安全风险评估系统的方法，包括如下方法步骤：
23、s1、获取处理单元获取网络相关历史数据并进行处理，将处理的数据传入分析建模单元中并并进行网络异常的分析，再根据分析的网络异常数据进行异常模型的建立；
24、s2、风险评估单元根据分析建模单元中分析的网络异常数据、异常模型数据进行异常模型参数泄露情况的风险评估，将评估的异常模型参数泄露风险数据传入建议措施单元中，建议措施单元根据评估的异常模型参数泄露风险数据、获取处理单元中获取的相关数据和风险评估单元中的数据进行风险建议措施的制定。
25、与现有技术相比，本专利技术的有益效果：
26、该一种基于人工智能算法模型安全风险评估系统及方法中，建议措施单元根据风险评估单元中的数据、分析的网络异常数据和获取的相关数据进行风险建议措施的制定，将建议措施传入分析建模单元中并进行建议措施的异常分析，将建议措施中分析的异常特征数据传入异常模型中，并进行建议措施中异常特征的分析，异常特征分析可以帮助我们识别可能存在的问题和风险，通过检测和分析异常特征，我们可以提前发现潜在的隐患和异常情况，避免问题扩大化或进一步恶化，将建议措施中异常特征数据传入风险评估单元中；
27、风险评估单元根据分析的网络异常数据和建议措施中的异常特征数据进行异常模型参数泄露情况的风险评估，将评估的数据传入建议措施单元中再次进行风险建议措施的制定，可以进行针对性地制定建议措施，以减轻泄露风险的影响，这些建议措施可以基于实际风险情况，明确具体的措施和步骤，提供更有效的风险应对建议措施。
本文档来自技高网...【技术保护点】
1.一种基于人工智能算法模型安全风险评估系统，其特征在于：包括获取处理单元(1)、分析建模单元(2)、风险评估单元(3)、建议措施单元(4)；
2.根据权利要求1所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述获取处理单元(1)用于获取网络相关数据和安全事件数据，以及恶意行为数据并进行处理。
3.根据权利要求2所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述分析建模单元(2)用于接收获取处理单元(1)中获取的数据，并利用回归分析算法根据获取的数据进行网络异常的分析，再利用模型训练技术根据分析的网络异常数据进行异常模型的建立，用于收集所有的异常数据。
4.根据权利要求3所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述风险评估单元(3)用于接收分析建模单元(2)中分析的网络异常数据和异常模型数据，并利用模型分析算法根据分析的网络异常数据和异常模型数据进行异常模型参数泄露情况的风险评估。
5.根据权利要求4所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述风险评估单元(3)中评估的异常模型参数
6.根据权利要求4所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述建议措施单元(4)用于接收获取处理单元(1)中的数据和分析建模单元(2)中分析的网络异常数据，接收风险评估单元(3)中评估的异常模型参数泄露风险数据，并利用安全措施法根据获取处理单元(1)中的数据、分析的网络异常数据和评估的异常模型参数泄露风险数据进行建议措施的制定。
7.根据权利要求6所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述建议措施单元(4)中安全措施法实现原理：
8.一种用于操作包括权利要求1-
...【技术特征摘要】
1.一种基于人工智能算法模型安全风险评估系统，其特征在于：包括获取处理单元(1)、分析建模单元(2)、风险评估单元(3)、建议措施单元(4)；
2.根据权利要求1所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述获取处理单元(1)用于获取网络相关数据和安全事件数据，以及恶意行为数据并进行处理。
3.根据权利要求2所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述分析建模单元(2)用于接收获取处理单元(1)中获取的数据，并利用回归分析算法根据获取的数据进行网络异常的分析，再利用模型训练技术根据分析的网络异常数据进行异常模型的建立，用于收集所有的异常数据。
4.根据权利要求3所述的基于人工智能算法模型安全风险评估系统，其特征在于：所述风险评估单元(3)用于接收分析建模单元(2)中分析的网络异常数据和异常模型数据，并利...
【专利技术属性】
技术研发人员：王胜，张菊玲，滕予非，张凌浩，梁晖辉，
申请(专利权)人：国网四川省电力公司电力科学研究院，
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。