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】
本专利技术涉及预测及检测系统的,尤其涉及一种基于人工智能的信息安全预测及监控系统及方法。
技术介绍
1、近年来,随着信息技术的快速发展,网络安全问题日益突出。尤其是在大数据、云计算和物联网等新技术的推动下,信息系统面临的安全威胁类型日益增多,攻击手段也更加复杂。这些威胁不仅包括传统的病毒、木马、黑客攻击等,还包括更加隐蔽和复杂的内部威胁、高级持续性威胁(apt)等。在这种背景下,传统的基于规则和签名的安全防护方法已经难以应对日益复杂的安全威胁,迫切需要一种更加智能和高效的安全防护手段。人工智能技术的发展为解决这一问题提供了新的可能。通过利用机器学习、深度学习等人工智能技术,可以有效分析和预测安全威胁,实现对复杂网络环境下的异常行为的快速识别和响应。此类系统可以从大量的网络流量、用户行为、系统日志等数据中学习,识别出正常行为与异常行为的模式,从而在安全威胁发生之前进行预警,并在攻击发生时迅速定位并响应。
2、对于信息安全预测及监控的方法有很多,我国专利技术专利“基于人工智能的网络信息安全监控方法及系统”,申请号:“cn202211243527.8”,主要包括:通过获取当前信息浏览主体所浏览的当前浏览网络界面,获得当前界面整体内容,并提取所述当前界面整体内容的当前浏览主题信息;获取标准网络安全监管数据,获得当前对比差异信息;对所述当前对比差异信息进行文字拼音读取,并获取当前差异文字拼音,同时对所述当前对比差异信息进行图像提取,并获得当前异常风险图像;生成当前拼音谐音文字,生成当前图像风险值,判断当前浏览网络界面是否存在浏
3、但上述技术至少存在如下技术问题:在数据分析处理的过程中缺乏兼容性以及安全预测结果的准确性较低的技术问题。
技术实现思路
1、本专利技术提供基于人工智能的信息安全预测及监控系统及方法,解决了现有技术在数据分析处理的过程中缺乏兼容性以及安全预测结果的准确性较低的技术问题,实现了对数据高兼容性、高准确度处理以及准确安全预测的技术效果。
2、本专利技术的基于人工智能的信息安全预测及监控系统及方法,具体包括以下技术方案:
3、基于人工智能的信息安全预测及监控系统,包括以下部分:
4、数据采集与预处理模块,数据增强模块,智能威胁探知模块,决策支持模块,安全响应执行模块,隐私保护模块;
5、所述数据采集与预处理模块,进行多数据源的数据收集,得到原始信息数据;对原始信息数据进行预处理,得到预处理后的数据集,并将预处理后的数据集传送至数据增强模块;
6、所述数据增强模块,对预处理后的数据集进行降维处理;对降维处理后的数据集进行增强处理;并将增强处理后的数据集送至智能威胁探知模块;
7、所述智能威胁探知模块,对增强处理后的数据集进行分析,得到分析结果,并基于分析结果预测潜在的信息安全威胁,得到安全威胁的预测结果,并将安全威胁的预测结果传送至决策支持模块;
8、所述决策支持模块,分析安全威胁的预测结果,制定安全响应建议和策略,并将安全响应建议和策略发送至安全响应执行模块;
9、所述安全响应执行模块,根据安全响应建议和策略来执行安全措施,并分析执行过程中的状态得到响应执行结果和状态报告;
10、所述隐私保护模块,对在信息安全预测及监控系统实现过程中的数据进行隐私保护。
11、基于人工智能的信息安全预测及监控方法,包括以下步骤:
12、s1. 收集原始信息数据,并对原始信息数据进行预处理,得到预处理后的数据集,再对预处理后的数据集进行增强处理;
13、s2. 通过预测模型对增强处理后的数据集进行分析,得到安全威胁的预测结果;
14、s3. 基于安全威胁的预测结果,制定安全响应建议和策略,并执行安全措施,生成响应执行结果和状态报告,同时对信息数据进行隐私保护。
15、优选的,所述s1,具体包括:
16、在实现预处理的过程中,引入异构数据协调算法调整不同数据源之间的异构性和不匹配。
17、优选的,在所述s1中,还包括:
18、异构数据协调算法具体实现过程如下:首先从每个标准化后的数据源中提取特征;再计算不同数据源中特征之间的相似度;再基于相似度进行数据协调处理;最后组合协调处理后的特征,构建协调后的特征集,将协调后的特征集进行映射,得到预处理后的数据集。
19、优选的,在所述s1中,还包括:
20、在进行增强处理的过程中,对预处理后的数据集进行降维处理,对降维处理后的数据集进行合成数据处理,得到合成数据集;对合成数据集进行数据扩充,得到增强处理后的数据集。
21、优选的,所述s2,具体包括:
22、收集历史威胁信息数据和正常信息数据,对预测模型进行训练和验证;使用训练且验证完成的预测模型对增强处理后的数据集进行分析,得到安全威胁的预测结果。
23、优选的,在所述s2中,还包括:
24、在预测模型训练过程中,引入频域平衡优化算法对训练集进行基于频域的调整。
25、优选的,在所述s2中,还包括:
26、在预测模型训练过程中,引入动态权重调节算法动态调整特征的权重。
27、优选的,所述s3,具体包括:
28、分析安全威胁的预测结果,根据威胁的类型、严重性和影响范围,制定安全响应建议和策略;基于安全响应建议和策略进行优先级分析,根据优先级执行与安全响应建议和策略对应的安全措施;实时监控执行的安全措施,收集执行状态数据,评估安全措施的效果,并整理成响应执行结果和状态报告。
29、本专利技术的技术方案的有益效果是:
30、本专利技术通过对来自多个数据源的原始数据进行清洗、标准化和结构化转换,该过程确保数据的质量和一致性,从而为后续的分析提供了准确和可靠的基础,异构数据协调算法的使用有效解决了不同数据源之间的不匹配和异构性问题,提高了数据的兼容性和使用价值,通过数据降维和合成数据处理,不仅减少了数据的复杂性,还增强了数据集的代表性和多样性,提高了数据在模型训练和分析中的有效性,使系统能够更准确地预测和识别潜在的威胁。
31、本专利技术利用循环神经网络训练模型,并通过频域平衡优化算法和动态权重调节算法对训练数据进行优化调整,增强了模型捕捉和解析复杂数据模式的能力。这使得模型能够更准确地识别和预测潜在的信息安全威胁;通过频域平衡优化算法强化那些在频率上不明显的特征,确保模型能够捕捉到所有可能的信息。这特别有利于处理复杂或难以直观识别的威胁模式;动态权重调节算法允许模型根据训练过程中特征数据重要性的变化动态调整,使模型训练过程更加符合实际应用中的特征重要性变化趋势。
本文档来自技高网...【技术保护点】
1.基于人工智能的信息安全预测及监控系统,其特征在于,包括以下部分:
2.基于人工智能的信息安全预测及监控方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,所述S1,具体包括:
4.根据权利要求3所述的基于人工智能的信息安全预测及监控方法,其特征在于,在所述S1中,还包括:
5.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,在所述S1中,还包括:
6.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,所述S2,具体包括:
7.根据权利要求6所述的基于人工智能的信息安全预测及监控方法,其特征在于,在所述S2中,还包括:
8.根据权利要求7所述的基于人工智能的信息安全预测及监控方法,其特征在于,在所述S2中,还包括:
9.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,所述S3,具体包括:
【技术特征摘要】
1.基于人工智能的信息安全预测及监控系统,其特征在于,包括以下部分:
2.基于人工智能的信息安全预测及监控方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,所述s1,具体包括:
4.根据权利要求3所述的基于人工智能的信息安全预测及监控方法,其特征在于,在所述s1中,还包括:
5.根据权利要求2所述的基于人工智能的信息安全预测及监控方法,其特征在于,在...
【专利技术属性】
技术研发人员:张婷曼,张媛,王梅,毕鹏,丁凰,庞志成,
申请(专利权)人:西安交通大学城市学院,
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。