基于贝叶斯因果推理的网络数据资产归属识别方法及系统技术方案

本发明专利技术提供一种基于贝叶斯因果推理的网络数据资产归属识别方法及系统，涉及数据处理技术领域。该方法包括：获取网络数据资产数据集；利用启发式规则，优先选取显著性高且置信度高的资产特征作为贝叶斯网络的初步节点；根据初步节点，构建无向的初步贝叶斯网络；将剩余的资产特征作为新节点添加到无向的初步贝叶斯网络，形成无向的中间贝叶斯网络；基于潜在因果结构中两个父节点组成的节点对的点对点条件因果性，确定无向边的方向，将无向的中间贝叶斯网络转换为有向的最终贝叶斯网络；获取待识别网络数据资产；基于贝叶斯定理，对每个类别标签计算其在给定特征组合下的后验概率；以后验概率最大的类别作为待识别网络数据资产的最终类别，并输出。

【技术实现步骤摘要】

本专利技术涉及数据处理，特别是指一种基于贝叶斯因果推理的网络数据资产归属识别方法及系统。

技术介绍

1、网络数据资产归属识别的意义在于提高网络环境中的资产管理、安全性和合规性。准确识别网络中的资产归属，可以帮助组织发现并保护关键资产，防止其受到网络攻击。通过识别数据资产的归属，可以更清楚地了解不同资产之间的关联，从而有助于识别潜在的安全威胁，及时采取防护措施。

2、随着科学技术的迅速发展，以及对于网络数据资产归属识别的迫切需要，越来越多的现代化技术被应用到网络数据资产归属识别中。当前对于网络数据资产归属识别主要有基于机器学习的归属识别以及基于深度学习的归属识别。

3、然而，机器学习和深度学习模型主要关注特征与目标变量之间的相关性，而不是因果关系，这些模型往往是“黑箱”性质的，难以解释模型输出的具体原因。同时，在处理动态变化的网络环境时表现较弱，特别是在网络资产不断变化的情况下，需要频繁地重新训练模型以适应新数据，而这会导致很高的计算和时间成本。

技术实现思路

1、为了解决机器学习和深度本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，包括：

2.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述资产特征包括：IP地址、MAC地址、主机名、端口信息、数据包大小、数据包频率、访问频率、常见访问源、传输协议、连接数、运行服务、访问控制列表、认证方式、加密方式、最近更新日期、活跃周期以及最后活动时间。

3.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述S3具体包括：

4.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述S4具...

【技术特征摘要】

1.一种基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，包括：

2.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述资产特征包括：ip地址、mac地址、主机名、端口信息、数据包大小、数据包频率、访问频率、常见访问源、传输协议、连接数、运行服务、访问控制列表、认证方式、加密方式、最近更新日期、活跃周期以及最后活动时间。

3.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述s3具体包括：

4.根据权利要求1所述的基于贝叶斯因果推理的网络数据资产归属识别方法，其特征在于，所述s4具体包括：

5.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：张玉祺，程丽，鲁星星，齐文宇，明有为，
申请(专利权)人：金祺创北京技术有限公司，
类型：发明
国别省市：