[发明专利]一种识别网络安全风险的模型建立方法及装置

说明书

本发明的实施例提供一种识别网络安全风险的模型建立方法及装置，涉及人工智能领域，能够得到识别网络安全风险的模型，进一步准确的识别网络安全隐患。该方法包括：获取网络中预定时间段的网络流量的数据集，获取专家为数据样本标注的网络问题类型；在预定时间段中确定第一目标时间段；以第一目标时间段的时序为横坐标，以数据样本为纵坐标，将数据集转换为二维坐标曲线图；将二维坐标曲线图转换为二维图像；以二维图像作为卷积神经网络的输入，获取卷积神经网络的输出结果，并根据输出结果和专家为数据样本标注的网络问题类型训练生成识别网络安全风险的模型。本申请实施例应用于识别网络安全风险的模型的建立。

技术领域

本发明的实施例涉及人工智能领域，尤其涉及一种识别网络安全风险的模型建立方法及装置。

背景技术

随着计算机技术及其相关学科的迅猛发展，整个社会的自动化程度不断提高，将从根本上改变人与计算机之间的关系，使计算机能够更好地为人类服务。与此同时，随着信息网络技术的迅猛发展，网络安全威胁和风险日益突出，网络空间治理难度不断增大，这一区别于现实社会的“第二类生存空间”，正处在挑战与机遇并存的发展转折期，并逐步成为世界主要国家开展国力竞争和战略博弈的新领域。如何有效防控网络攻击、确保网络安全已经成为世界性的普遍难题。伴随深度学习技术研究热潮的兴起，其方法理念已经在诸多领域得到了广泛的应用，如何借助这一先进技术，通过海量数据的深度挖掘与应用，以网络安全相关的大数据为基础，在未知威胁发现、网络行为分析、网络安全预警等方面取得突破性进展，实现网络安全战略升级转型，已经成为重要的研究方向。

现有的网络安全威胁和风险的识别方法是基于流量的异常挖掘，即通过对所有网络会话进行统计分析，计算内网主机多维统计特征，如主机上行流量与下行流量比值，以及内网主机特定时间段内的流出数据大小等，分析其中的流量异常行为。而基于流量的异常挖掘进行识别网络安全的方法对于数据提取、分析识别与预测均需要人为的经验。

发明内容

本发明的实施例提供一种识别网络安全风险的模型建立方法及装置，能够得到识别网络安全风险的模型，进一步准确的识别网络安全隐患。

第一方面，提供一种识别网络安全风险的模型建立方法，包括如下步骤：获取网络中预定时间段的网络流量的数据集，其中数据集至少包括如下数据样本：数据流量特征和传输控制协议TCP包流量特征；获取专家为数据样本标注的网络问题类型；在预定时间段中确定第一目标时间段；以第一目标时间段的时序为横坐标，以数据样本为纵坐标，将数据集转换为二维坐标曲线图，其中，二维坐标曲线图包括横坐标、纵坐标、以及第一目标时间段的时序与数据样本的关系曲线；将二维坐标曲线图转换为二维图像，其中，二维图像包含第一目标时间段的时序与数据样本的关系曲线；以二维图像作为卷积神经网络的输入，获取卷积神经网络的输出结果，并根据输出结果和专家为所述数据样本标注的网络问题类型训练生成识别网络安全风险的模型。

上述方案中，由于获取网络中预定时间段的网络流量的数据集，其中数据集至少包括如下数据样本：数据流量特征和传输控制协议TCP包流量特征；获取专家为数据样本标注的网络问题类型；在预定时间段中确定第一目标时间段；以第一目标时间段的时序为横坐标，以数据样本为纵坐标，将数据集转换为二维坐标曲线图；将二维坐标曲线图转换为二维图像；以二维图像作为卷积神经网络的输入，获取卷积神经网络的输出结果，并根据输出结果和专家为所述数据样本标注的网络问题类型训练生成识别网络安全风险的模型。本申请通过将网络流量的数据集分时段进行整理转换成二维图像，结合专家为数据样本标注的网络问题类型，进行卷积神经网络训练，生成识别网络安全风险的模型，当需要判断当前网络问题时，只需要收集当前网络的数据集，转化为二维图像，输入识别网络安全风险的模型中，便可直接得出当前网络存在的问题类型，避免了现有技术中使用基于流量的异常挖掘进行识别网络安全的方法中数据提取、分析识别与预测均需要人为经验参与而造成的误差，既能够提高识别网络安全风险的效率，又能够准确的识别网络安全风险。