[发明专利]网络预警方法、装置和计算机可读存储介质

说明书

本公开涉及一种网络预警方法、装置和计算机可读存储介质，涉及网络安全技术领域。该方法包括：根据网络在当前时刻的状态参数，利用第一机器学习模型，预测网络在未来时刻的状态参数；根据在未来时刻的状态参数，利用第二机器学习模型，提取网络的预测特征向量；根据预测特征向量，利用第三机器学习模型，确定网络的预警等级。

技术领域

本公开涉及网络安全技术领域，特别涉及一种网络预警方法、网络预警装置和计算机可读存储介质。

背景技术

随着网络技术持续发展，基于网络的重大风险操作管控方面的责任和压力越来越大，网络预警逐渐成为保证网络安全的重要环节。因此，如何根据历史网络使用情况、运维工单处理情况、网络综合告警信息对网络进行综合分析，有效识别网络设备故障，实现准确网络预警，对运营商保证网络质量变得尤为重要。

在相关技术中，通过分析网络安全态势，对网络威胁进行预警。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：态势分析不准确，导致预警效果差。

鉴于此，本公开提出了一种网络预警技术方案，能够提高预警效果。

根据本公开的一些实施例，提供了一种网络预警方法，包括：根据网络在当前时刻的状态参数，利用第一机器学习模型，预测网络在未来时刻的状态参数；根据在未来时刻的状态参数，利用第二机器学习模型，提取网络的预测特征向量；根据预测特征向量，利用第三机器学习模型，确定网络的预警等级。

在一些实施例中，在预测网络在未来时刻的状态参数的步骤之前，还包括：以网络在历史时刻的状态参数的统计特征数据为输入，以网络在目标时刻的状态参数为输出，训练第一机器学习模型，目标时刻晚于历史时刻。

在一些实施例中，在预测网络在未来时刻的状态参数的步骤之前，还包括：根据网络在历史时刻的状态参数的统计特征数据，以及网络在目标时刻的状态参数，利用第四机器学习模型，提取网络的特征向量，目标时刻晚于历史时刻；以在目标时刻的状态参数为输入，以特征向量为输出，训练第二机器学习模型。

在一些实施例中，提取网络的特征向量包括：利用模糊控制模型，对网络在历史时刻的状态参数的统计特征数据进行预处理；

根据经过预处理的统计特征数据，以及网络在目标时刻的状态参数，利用第四机器学习模型，提取网络的特征向量。

在一些实施例中，在预测网络在未来时刻的状态参数的步骤之前，还包括：根据特征向量，利用第五机器学习模型，确定网络在目标时刻的预警等级；以特征向量为输入，以目标时刻的预警等级为输出，训练第三机器学习模型。

在一些实施例中，状态参数包括网络的流量信息、拥塞信息、连接数信息、丢包率信息中的至少一项。

根据本公开的另一些实施例，提供一种网络预警装置，包括：预测单元，用于根据网络在当前时刻的状态参数，利用第一机器学习模型，预测网络在未来时刻的状态参数；提取单元，用于根据在未来时刻的状态参数，利用第二机器学习模型，提取网络的预测特征向量；确定单元，用于根据预测特征向量，利用第三机器学习模型，确定网络的预警等级。

在一些实施例中，网络预警装置还包括：训练单元，用于以网络在历史时刻的状态参数的统计特征数据为输入，以网络在目标时刻的状态参数为输出，训练第一机器学习模型，目标时刻晚于历史时刻。

在一些实施例中，网络预警装置还包括：训练单元，用于根据网络在历史时刻的状态参数的统计特征数据，以及网络在目标时刻的状态参数，利用第四机器学习模型，提取网络的特征向量，目标时刻晚于历史时刻，以在目标时刻的状态参数为输入，以特征向量为输出，训练第二机器学习模型。