基于时序图神经网络的网络安全态势预测方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115834174A(43)申请公布日2023.03.21(21)申请号202211429350.0H04L43/0876(2022.01)(22)申请日2022.11.15H04L41/16(2022.01)H04L41/147(2022.01)(71)申请人北京天融信网络安全技术有限公司G06N3/0464(2023.01)地址100000北京市海淀区上地东路1号院G06N3/048(2023.01)3号楼四层G06N3/0442(2023.01)申请人北京天融信科技有限公司G06N3/09(2023.01)北京天融信软件有限公司(72)发明人刘柱鲍青波张楠(74)专利代理机构北京开阳星知识产权代理有限公司11710专利代理师陈洁(51)Int.Cl.H04L9/40(2022.01)H04L43/08(2022.01)H04L43/0817(2022.01)权利要求书2页说明书9页附图1页(54)发明名称基于时序图神经网络的网络安全态势预测方法和装置(57)摘要本公开涉及一种基于时序图神经网络的网络安全态势预测方法和装置，其中，方法包括：获取历史时间段内的多个网络态势评估数据按照多个时间点划分，得到每个时间点对应的待训练网络态势评估数据，获取每个时间点待训练网络态势评估数据的指标态势得分和指标权重进行计算，得到每个时间点待训练网络态势评估数据的历史安全态势值，将每个时间点对应的待训练网络态势评估数据输入预先构建的时序图神经网络得到训练态势值，基于训练态势值和历史安全态势值调整时序图神经网络的模型参数得到已训练的时序图神经网络对待处理网络态势评估数据进行处理，得到预测安全态势值。由此，提升网络安全态势预测精度。CN115834174ACN115834174A权利要求书1/2页1.一种基于时序图神经网络的网络安全态势预测方法，其特征在于，包括：获取历史时间段内的多个网络态势评估数据，将所述多个网络态势评估数据按照多个时间点划分，得到每个时间点对应的待训练网络态势评估数据；计算每个时间点所述待训练网络态势评估数据的指标态势得分和指标权重，并基于每个时间点所述待训练网络态势评估数据的指标态势得分和指标权重进行计算，得到每个时间点所述待训练网络态势评估数据的历史安全态势值；将所述每个时间点对应的待训练网络态势评估数据输入预先构建的时序图神经网络，得到训练态势值；基于所述训练态势值和所述历史安全态势值进行调整所述时序图神经网络的模型参数，得到已训练的时序图神经网络，以使所述已训练的时序图神经网络对待处理网络态势评估数据进行处理，得到预测安全态势值。2.根据权利要求1所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，还包括：基于所有所述历史安全态势值按照升序排列，按照预设比例划分多个安全态势等级；确定每个所述安全态势等级对应的安全等级阈值。3.根据权利要求2所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，还包括：基于所述安全等级阈值和所述预测安全态势值确定所述待处理网络态势评估数据的安全态势等级。4.根据权利要求3所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，还包括：在所述待处理网络态势评估数据的安全态势等级为目标安全态势等级，生成预警信息。5.根据权利要求1所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，所述计算每个时间点所述待训练网络态势评估数据的指标态势得分，包括：获取所述待训练网络态势评估数据中每个评估数据的数据类型；当所述数据类型为类别型数据时，按照预设等级排列，并按照百分位数对所述类别型数据对应的评估数据赋值，得到所述类别型数据对应的评估数据的指标态势得分；当所述数据类型为数值型数据时，对每个评估数据进行区间划分，基于每个评估数据所在区间的概率密度值和预设的分数公式进行计算，得到所述数值型数据对应的评估数据的指标态势得分。6.根据权利要求1所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，所述计算每个时间点所述待训练网络态势评估数据的指标权重，包括：基于预设的评估层级计算所述待训练网络态势评估数据中每个评估数据之间的相对数值；基于所有所述相对数值构建判断矩阵；基于所述判断矩阵和预设的权重计算公式进行计算，得到所述待训练网络态势评估数据的指标权重。7.根据权利要求1所述的基于时序图神经网络的网络安全态势预测方法，其特征在于，2CN115834174A权利要求书2/2页所述时序图神经网络包括图卷积层和长短期记忆LSTM层；所述将所述每个时间点对应的待训练网络态势评估数据输入预先构建的时序图神经网络，得到训练态势值，包括：基于所述图卷积层对所述待训练网络态势评估数据进行处理，融合所述待训练网络态势评估数据中各