基于贝叶斯网络的态势感知方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114117447A(43)申请公布日2022.03.01(21)申请号202111400851.1G06F111/08(2020.01)(22)申请日2021.11.24(71)申请人上海派拉软件股份有限公司地址200120上海市浦东新区(上海)自由贸易试验区张东路1388号27幢102室(72)发明人陈远猷徐莉莎(74)专利代理机构北京品源专利代理有限公司11332代理人王风茹(51)Int.Cl.G06F21/57(2013.01)G06F30/27(2020.01)G06F21/55(2013.01)G06N7/00(2006.01)H04L9/40(2022.01)权利要求书2页说明书10页附图3页(54)发明名称基于贝叶斯网络的态势感知方法、装置、设备及存储介质(57)摘要本发明实施例公开了基于贝叶斯网络的态势感知方法、装置、设备及存储介质。该方法包括：针对系统中的每个微服务，根据当前微服务对应的预设历史数据以及相关属性字段的数据表现确定目标分组属性字段，以及确定目标分组属性字段对应的至少两个目标分组区间；以系统中所有微服务对应的目标分组区间为目标节点，对历史贝叶斯网络模型进行更新，得到目标贝叶斯网络模型；基于目标贝叶斯网络模型进行零信任的态势感知。本发明实施例采用上述技术方案，相比于将系统产生的所有数据作为贝叶斯网络模型输入节点，可以在资源消耗较小的前提下，使得贝叶斯网络模型节点数量自适应的满足零信任中对用户风险的实时自适应评估，从而达到实现零信任的技术效果。CN114117447ACN114117447A权利要求书1/2页1.一种基于贝叶斯网络的态势感知方法，其特征在于，包括：针对系统中的每个微服务，根据当前微服务对应的预设历史数据以及相关属性字段的数据表现确定目标分组属性字段，以及确定所述目标分组属性字段对应的至少两个目标分组区间；以所述系统中所有微服务对应的目标分组区间为目标节点，对历史贝叶斯网络模型进行更新，得到目标贝叶斯网络模型；基于所述目标贝叶斯网络模型进行零信任的态势感知。2.根据权利要求1所述的方法，其特征在于，所述根据当前微服务对应的预设历史数据以及相关属性字段的数据表现确定目标分组属性字段，以及确定所述目标分组属性字段对应的至少两个目标分组区间，包括：获取当前微服务对应的最近的预设时长内的第一历史数据；获取所述当前微服务对应的相关属性字段排序；根据相关属性字段排序依次基于当前属性字段对所述第一历史数据进行相应的预设分组方式的分组，得到当前属性字段对应的至少两个分组区间，若分组区间的数量处于预设数量范围内，则将对应的当前属性字段确定为目标分组属性字段，其中，所述预设分组方式在训练阶段根据对应的历史数据的数据表现确定；将所述目标分组属性字段对应的分组区间确定为目标分组区间。3.根据权利要求2所述的方法，其特征在于，所述相关属性字段排序中的各属性字段按照累计次数由大至小排序；在所述将对应的当前属性字段确定为目标分组属性字段之后，还包括：将所述相关属性字段排序中所述目标分组属性字段对应的累计次数加1，并更新所述相关属性字段排序；其中，所述获取所述当前微服务对应的相关属性字段排序，包括：获取所述当前微服务对应的上一次更新得到的相关属性字段排序，或者，获取所述当前微服务对应的训练阶段的相关属性字段排序；其中，所述历史贝叶斯网络模型包括：上一次更新得到的贝叶斯网络模型，或者，训练阶段的贝叶斯网络模型。4.根据权利要求3所述的方法，其特征在于，所述训练阶段的相关属性字段排序通过以下方式得到：获取当前微服务对应的连续多个预设时长内的第二历史数据；针对每个预设时长，依次基于各属性字段对当前预设时长对应的第二历史数据进行预设分组方式的分组，得到各属性字段分别对应的分组区间数量，将分组区间数量最接近于预设数量的属性字段确定为目标字段，将目标字段对应的累计次数加1，其中，预设分组方式根据第二历史数据的数据表现确定，所述预设分组方式对应的分组原则包括每组成员最少数量和/或分组误差分组，所述预设分组方式包括监督式或非监督式；根据各属性字段分别对应的最终累计次数确定训练阶段的相关属性字段排序。5.根据权利要求4所述的方法，其特征在于，所述将分组区间数量最接近于预设数量的属性字段确定为目标字段，包括：若存在多个分组区间数量最接近于预设数量的候选属性字段，则采用随机抽样方式从2CN114117447A权利要求书2/2页多个候选属性字段中选取一个候选属性字段作为目标字段。6.根据权利要求4所述的方法，其特征在于，所述训练阶段的贝叶斯网络模型通过以下方式得到：对于每个微服务，将当前微服务对应的相关属性字段排序中排名首位的相关属性字段确定为目标分组字段，基于