申请/专利权人：上海三零卫士信息安全有限公司

申请日：2020-12-31

公开（公告）日：2024-04-12

公开（公告）号：CN112633763B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/063;G06Q50/26;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明涉及计算机信息处理技术领域，具体为一种基于人工神经网络ANNs的等级保护风险研判方法，所述方法对等级保护风险研判指标进行量化，主要利用TSNE和ANNs方法，通过对风险指标在多个维度上分布的降维特征的识别，自动获得相应风险值及所处风险区间；同时，利用专家知识，对安全设备、安全管理措施等风险消解手段的作用范围和风险消解能力进行标记，自动与输出的风险值、风险区间进行匹配，获得最佳的安全防护方案。本发明打破传统等级保护风险研判通过打分表获得风险等级的方式，大幅提等级保护风险研判的处理速度，并在一定程度上实现安全防护方案的自动化输出，改变传统打分表及专家人工研判效率较低，专家知识难以复用的弊端。

主权项：1.一种基于人工神经网络ANNs的等级保护风险研判方法，其特征在于：所述风险研判方法包括以下步骤：S1：对等级保护所涉及10个安全类，包括安全物理环境、安全通信网络、安全区域边界、安全计算环境、安全管理中心、安全管理制度、安全管理机构、安全管理人员、安全建设管理、安全运维管理中的各控制点的测评指标进行量化，形成评估因子；S2：对评估因子进行量化评估，获得多维评估向量组；S3：利用Matlab工具包编写TSNE降维程序、dbscan聚类程序、inflation膨胀程序，通过deploytool命令进行打包部署；S4：S2所述评估向量组作为输入数据，通过TSNE降维后输出低维数据向量分组；各向量分组通过dbscan密度调节去除噪声，获得核心向量集；对核心向量集进行膨胀运算，以填补聚类去噪时可能缺失的连接，并平滑向量集形态包络面；S5:利用Tensorflow编写程序，对专家标记的历史数据集进行学习，将学习结果模型打包部署，利用学习所得模型识别S4所述各向量分组，获得相应风险值；S6：安全专家对安全风险消解范围及消解程度进行标记，系统量化后针对每种安全措施形成安全风险消解象限；S7：对风险散点包络面与设备、安全管理措施的安全覆盖象限进行匹配，输出安全防护方案；还包括：根据不同模型，采集多组相关资产信息及其对应多个风评要素的多组评估因子，在资产等级、脆弱性等级、威胁安全级别的多维度的评估值；通过TSNE获得多维评估值高维特征后映射至低维度，获得低维数据向量；对TSNE输出数据向量分组，获得向量子集，对每个子集进行dbscan聚类，完成去噪后将子集中的最大密度向量重新构造为核心向量集，为了提高后续识别精度，对核心向量集进行膨胀运算，以填补聚类去噪时可能缺失的连接，并平滑形态包络；完成分组的核心向量集，交与ANNs识别模块，根据相关类别训练模型与核心向量集逐一匹配，返回相关度最高的风险等级及建议的安全防护方案；专家根据核心向量集所处象限，为向量集并打上相应类别标签，并在新增一定量的新数据后再次启动ANNs模块的训练进程，提高后续识别的评估精度。

全文数据：

权利要求：

百度查询： 上海三零卫士信息安全有限公司 一种基于人工神经网络ANNs的等级保护风险研判方法

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