基于LSTM和GAT算法的网络攻击行为检测方法、系统及终端

    公开(公告)号:CN115865458A

    公开(公告)日:2023-03-28

    申请号:CN202211491384.2

    申请日:2022-11-25

    IPC分类号: H04L9/40

    摘要: 本申请公开了一种基于LSTM和GAT算法的网络攻击行为检测方法、系统及终端,该方法包括:基于待检测的网络攻击行为序列,生成嵌入向量集合;将每个嵌入向量分别输入LSTM模块和GAT模块,分别获取序列模式向量和结构模式向量;对序列模式向量和结构模式向量进行对比学习,获取对比损失得分;将序列模式向量和结构模式向量输入多层感知机,获取预测损失得分;根据对比损失得分和预测损失得分,利用混合损失训练数据增强编码器和分类器,获取网络攻击行为检测结果。该系统包括:嵌入向量集合生成模块、双视角信息捕获模块、对比学习模块、多层感知模块和联合优化模块。通过本申请,能够有效提高网络攻击行为检测结果的准确性和可靠性。

    一种网络安全智能分析方法、系统、设备和存储介质

    公开(公告)号:CN115834221A

    公开(公告)日:2023-03-21

    申请号:CN202211514933.3

    申请日:2022-11-28

    IPC分类号: H04L9/40

    摘要: 本发明公开了一种网络安全智能分析方法、系统、设备和存储介质,方法包括以下步骤:采集安全监控设备的流量数据和告警日志,并对告警日志标准化处理;将采集的全流量安全数据统一存储,进行流量数据深层次再分析;利用机器学习方法筛选告警信息,去除冗余告警;根据告警信息相似度对告警信息进行聚类;告警信息相互关联,并链接生成完整攻击链和威胁报告;提取告警信息特征,迭代优化告警模型,进行告警信息研判。本发明的方法通过人工判断与机器学习的不断迭代,不仅提高了告警事件的识别精度,还拥有自学习优化能力,提升了告警事件处置的效率和准确性。

    基于随机森林的系统活跃度预测方法及系统

    公开(公告)号:CN114661549A

    公开(公告)日:2022-06-24

    申请号:CN202210234742.5

    申请日:2022-03-09

    IPC分类号: G06F11/30 G06K9/62

    摘要: 本发明提供了基于随机森林的系统活跃度预测方法及系统,方法包括基于系统行为数据,分别提取系统层面、功能层面和用户层面的数据;将提取的数据,按照系统、功能和用户维度设计特征,并根据预设标准,对当前设计特征设置标签,将所述设计特征和标签形成基础特征向量;对所述基础特征向量中的数据进行异常值筛选和归一化处理,形成特征向量;将所述特征向量输入训练好的随机森林预测模型,预测系统活跃度。本发明得到系统活跃度预测结果,便于针对不同的使用状态进行资源再调配优化,以此减少“高配低效”业务系统数量,支援资源不足的业务系统,最终达到降本增效的目的。