[发明专利]一种机器类型通信中的网络安全评价方法及系统

说明书

本发明涉及一种机器类型通信中的网络安全评价方法及系统，包括基于预先定义的机器类型通信中的网络安全关键特征量构建深度学习网络模型；结合深度学习网络模型和专家研讨系统，对机器类型通信中的网络安全健康状态进行综合评估；根据评估结果在线更新深度学习网络模型。通过专家研讨系统与深度学习网络的反馈迭代实现对多层极限学习机的在线训练、更新，使两者输入结果最终趋于一致，网络安全健康指数的计算结果更为真实可信。

技术领域

本发明涉及监测技术领域，具体涉及一种机器类型通信中的网络安全评价方法及系统。

背景技术

机器类型通信是现代化城市的重要通信设施，通信运行状态的好坏，会直接影响用户的网络安全和质量。

对机器类型通信的评价，过去主要集中于机器类型通信的可靠性，使用的经济性，安全性以及质量等指标，无法全面掌握机器类型通信的健康状态，因此需要引入机器类型通信中的网络安全健康指数理念。传统的网络安全评价方法采用的是英国EA公司提出的计算公式，但该方法只考虑了老化对设备的影响，无法综合考虑各方面因素，且无法拓展到机器类型通信网络。近年来，基于层次分析法、德尔菲法、最优化原理、灰色关联度分析等的机器类型通信健康评价方法被提出。但这些方法某些只适用于单一设备，某些参数选择过于主观，且无法实现专家经验的继承与复用，依然没能解决如何针对大规模通信网络开展网络安全健康指数计算的问题。

当前，虽然惯用的评价方法能够实现对机器类型通信中的网络安全健康状态的评价，但由于评价过程中缺乏即时反馈，造成评价失误，随之产生的负面影响和经济损失严重度将无法估量。

发明内容

为了解决上述问题，本发明提供一种机器类型通信中的网络安全评价方法及系统，从一个新的角度评价网络安全健康指数。将深度学习原理和专家研讨系统相结合，实现评价模型在线训练更新，使得输出结果更为合理；从而解决了针对大规模通信设备与网络的网络安全健康指数的安全性评估问题，有益于专家经验的继承与复用。

本发明的目的是采用下述技术方案实现的：

一种机器类型通信中的网络安全评价方法，所述方法包括：

基于预先定义的机器类型通信中的网络安全关键特征量构建深度学习网络模型；

结合深度学习网络模型和专家研讨系统，对机器类型通信中的网络安全健康状态进行综合评估；

根据评估结果在线更新深度学习网络模型。

优选的，所述预先定义的机器类型通信中的网络安全关键特征量包括：将机器类型通信作为评价对象，依据自定义的机器类型通信分类规则，将所述机器类型通信划分为配电设备和机器类型通信网络；获取分类后的各部分特征量，并从中选取用于评价网络安全健康指数的关键特征量，生成特征空间。

进一步地，所述选取用于评价网络安全健康指数的关键特征量包括：以网络拓扑结构和成员关系的动态性,无线信道的不可靠性，终端节点和路由节点在电量、存储空间、计算和通信能力为依据，通过油色谱分析获取关键特征量。

优选的，所述深度学习网络模型是基于多层极限学习机构成的深度学习网络，其构建方法包括：将关键特征量作为输入样本映射到新的特征空间中，构成训练样本集X＝{x_i,t_i},i＝1,...,n；

其中，x_i表示输入样本，_ti表示输入样本对应的网络安全健康指数，n为样本数量；

随机生成输入层到达第一隐层的连接权重以及第一隐层的输出矩阵H¹；采用最小二乘法计算求取β¹，其表达式为：