申请/专利权人:中国科学院信息工程研究所
申请日:2021-01-22
公开(公告)日:2024-04-12
公开(公告)号:CN112884204B
主分类号:H04L9/40
分类号:H04L9/40;G06F18/213;G06F18/22;G06F18/2431;G06N3/045;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.06.18#实质审查的生效;2021.06.01#公开
摘要:本发明实施例提供一种网络安全风险事件预测方法及装置,通过孪生神经网络分类模型,得到待预测网络数据的风险事件类别,可以很好地解决当网络数据样本量过少,或者网络数据样本分布不平衡时,对网络安全风险事件预测的准确度不高的问题。针对实际应用场景中的带标记信息较少,或者网络数据样本分布不平衡问题,以最简单的手段减少了网络数据样本分布不平衡程度,对于小数据集而言,它更是极大的增加了样本数量,为后续能使用拟合能力更强的深度学习算法进行风险预测提供了可能。在网络数据样本量充足且网络数据样本分布平衡时,本发明实施例中的孪生神经网络分类模型可以达到最好的性能,具有最佳的AUC,GM和F1性能。
主权项:1.一种网络安全风险事件预测方法,其特征在于,包括:获取待预测网络数据,并提取所述待预测网络数据的特征向量;将所述待预测网络数据的特征向量输入至孪生神经网络分类模型,得到由所述孪生神经网络分类模型输出的所述待预测网络数据的风险事件类别;所述孪生神经网络分类模型基于携带有风险事件类别标签的网络数据样本训练得到;所述孪生神经网络分类模型用于将所述待预测网络数据的特征向量转化为降维特征向量,并将所述待预测网络数据的降维特征向量、所述网络数据样本的低维特征向量以及所述风险事件类别标签进行矩阵运算,基于矩阵运算的结果,确定所述待预测网络数据的风险事件类别;所述将所述待预测网络数据的降维特征向量、所述网络数据样本的低维特征向量以及所述风险事件类别标签进行矩阵运算,具体包括:计算所述待预测网络数据的降维特征向量、所述网络数据样本的低维特征向量的转置以及所述风险事件类别标签的乘积;矩阵运算的结果用于表征所述待预测网络数据属于不同风险事件类别的概率的相似距离。
全文数据:
权利要求:
百度查询: 中国科学院信息工程研究所 网络安全风险事件预测方法及装置
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。