申请/专利权人:广州番禺职业技术学院
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117811806A
主分类号:H04L9/40
分类号:H04L9/40;H04L41/12;G06N20/20;G06F18/2431
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:本发明公开了一种用于园区网络的网络威胁监测与封堵方法及系统,属于园区网络安全技术领域,包括:对园区网络进行子网划分并部署第一设备,提取子网网段的流量数据特征;通过部署第二设备,获取第一设备提取的流量数据特征,采用基于多数据维度方法的无监督学习对离群数据进行标记及校正,同时基于多数据维度方法在标记的数据上进行训练,构建用于识别流量数据异常的有监督机器学习模型;通过第二设备,将机器学习模型部署至第一设备,对网段的数据流进行监测并对异常流量进行封堵;本发明在网络边缘对网络威胁进行监测具有更细的粒度,并能监测出某些只在子网之间传播的网络威胁;为园区网络安全提供了新的方法。
主权项:1.一种用于园区网络的网络威胁监测与封堵方法,其特征在于,包括以下步骤:基于依据园区网络的拓扑预先设置的子网类型和邻接关系,将所述园区网络划分为若干子网,并在每个子网的每个网段处部署第一设备,与所述网段的交换机进行数据交互,用于获取该网段的数据流并进行流量数据特征提取;在所述园区网络的管理端部署第二设备,与所述第一设备进行数据交互,用于获取所述第一设备提取的流量数据特征,并根据所述第一设备所属子网的子网类型和邻接关系,进行标注,同时采用基于多数据维度方法的无监督机器学习,来识别流量数据特征的离群点并进行标记及校正,并基于多数据维度方法对标记的数据进行有监督学习模型的训练,构建用于识别流量数据异常的有监督机器学习模型;通过所述第二设备,依据所述子网的子网类型和邻接关系,将所述机器学习模型部署至所述第一设备,对所述网段的数据流进行监测,如果监测到异常流量,则通过所述第一设备对所述网段的交换机进行配置管理,对所述异常流量进行封堵。
全文数据:
权利要求:
百度查询: 广州番禺职业技术学院 一种用于园区网络的网络威胁监测与封堵方法及系统
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。