【技术实现步骤摘要】
本专利技术涉及网络安全，更具体地说，它涉及基于网络资产测绘的网络安全态势分析方法、系统及终端。
技术介绍
1、随着网络技术的快速发展，对于网络资产安全的关注以及分析则是越发重要。目前的网络安全态势分析系统需要采集网络资产的所有安全信息进行分析，对于分析系统的分析压力较大，并且分析系统只能分析当前网络资产的安全情况。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供基于网络资产测绘的网络安全态势分析方法、系统及终端。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、基于网络资产测绘的网络安全态势分析方法，包括如下步骤：
4、步骤一：在默认周期的基础上对网络资产的网络安全信息按固定比例进行采集；
5、步骤二：基于网络安全信息对网络安全态势进行预警处理；
6、步骤三：对采集网络资产的网络安全信息的固定比例与默认周期进行调整。
7、进一步的，基于网络资产测绘的网络安全态势分析系统，包括信息采集模块、态...
【技术保护点】
1.基于网络资产测绘的网络安全态势分析方法，其特征在于，包括如下步骤：
2.基于网络资产测绘的网络安全态势分析系统，根据权利要求1所述的基于网络资产测绘的网络安全态势分析方法，其特征在于，包括信息采集模块、态势预警模块、比例调整模块；
3.根据权利要求2所述的基于网络资产测绘的网络安全态势分析系统，其特征在于，安全评估模型通过下述步骤获取得到：获取得到多个分析基础信息，将分析基础信息标记为训练信息，对训练信息赋予训练标签，将训练信息按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大...
【技术特征摘要】
1.基于网络资产测绘的网络安全态势分析方法，其特征在于，包括如下步骤：
2.基于网络资产测绘的网络安全态势分析系统，根据权利要求1所述的基于网络资产测绘的网络安全态势分析方法，其特征在于，包括信息采集模块、态势预警模块、比例调整模块；
3.根据权利要求2所述的基于网络资产测绘的网络安全态势分析系统，其特征在于，安全评估模型通过下述步骤获取得到：获取得到多个分析基础信息，将分析基础信息标记为训练信息，对训练信息赋予训练标签，将训练信息按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为安全评估模型，安全评估模型输出数据的训练标签数值越大，则表示该分析基础信息的安全隐患越大。
4.根据权利要求3所述的基于网络资产测绘的网络安全态势分析系统，其特征在于，隐超值ge通过下述步骤获取得到：将隐患超界值与分界变化值进行差值计算，获取得到界限超值，并标记为fi，设置界限超值系数为sz，利用公式获取得到界限总超值nt，fd为隐患变化值标记为隐患超界值的数量，将隐患超界值按照所对应网络安全信息的采集时间先后进行排序，将排序后相邻两个采集时间进行时间差值计算，获取得到隐患超界间隔，将所有的隐患超界间隔进行求和处理并取均值，获取得到隐患超界均隔rw，利用公式获取得到隐超值ge，其中，a1为界限总超值系数，a2为隐患超界均隔系数。
5.根据权利要求4所述的基于网络资产测绘的网络安全态势...
【专利技术属性】
技术研发人员：张佳发，邹洪，曾子峰，许伟杰，江家伟，陈锋，叶婉，
申请(专利权)人：南方电网数字电网集团信息通信科技有限公司，
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。