申请/专利权人：南通大学

申请日：2024-01-11

公开（公告）日：2024-04-02

公开（公告）号：CN117811829A

主分类号：H04L9/40

分类号：H04L9/40;G06F21/55;G06F18/2135;G06F18/214;G06F18/2433;G06F18/2411;G06F18/243;G06N3/0455;G06N20/10;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及计算机数据安全监控技术领域，具体涉及一种基于大数据的计算机数据安全监控方法。本发明目的是提供一种基于大数据的计算机数据安全监控方法，通过建立的异常模型数据库，实时对从未出现过的异常特征进行记录，并通过机械训练的方式将新的异常特征和相应的处理措施进行捆绑存储在异常模型数据库存中，实时提高对异常情况的处理能力，能够接受新的异常情况。本发明通过建立异常模型数据库能够对所有的异常情况进行记录，同时对异常特征进行独特标记，引入了深度学习技术，通过训练大型神经网络模型，独特的异常标记进行识别，最后将新的异常特征与相对应的应对措施进行捆绑，存储在异常模型数据库，提高了对复杂异常模式的识别能力。

主权项：1.一种基于大数据的计算机数据安全监控方法，其特征在于，包括以下步骤：步骤S1、通过数据采集端采集计算机网络中的数据流，包括网络传输数据、硬盘存储数据等，并将其转化为可分析的格式；步骤S2、数据预处理，对数据进行清洗、过滤去除冗余信息、以及不必要的变量，并通过主成分分析对可分析的数据进行特征提取；步骤S3、构建异常检测模块，对提取的特征使用基于机器学习的算法，对收集到的数据进行分析和建模，通过训练和优化这些模型，系统能够识别出潜在的异常行为；步骤S4、构建异常数据报警模块，根据异常检测模块的结果生成报警信息，并及时通知相关人员；步骤S5、构建异常数据记录模块，使用异常数据标记算法对存在异常的数据进行独立标记，并将其与正常数据一起用于模型训练；异常模型数据库存储模块，对含有独立标记的数据模型存储在异常模型数据库内。

全文数据：

权利要求：

百度查询： 南通大学 一种基于大数据的计算机数据安全监控方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD