[发明专利]基于深度学习和大数据的安全漏洞分析方法及云计算系统

权利要求书

1.一种基于深度学习和大数据的安全漏洞分析方法，其特征在于，应用于云计算系统，所述云计算系统与所述多个互联网服务平台通信连接，所述方法包括：

获取目标互联网服务平台在当前互联网访问站点的安全漏洞扫描信息；所述安全漏洞扫描信息包括所述当前互联网访问站点对应的漏洞共享迁移信息、已扫描漏洞对象的漏洞特征信息以及所述当前互联网访问站点相关的各互联网访问站点的威胁攻击属性；

将所述目标互联网服务平台在当前互联网访问站点的安全漏洞扫描信息输入至满足网络收敛要求的威胁攻击属性分析网络，获得所述威胁攻击属性分析网络输出的所述目标互联网服务平台在所述当前互联网访问站点的威胁攻击属性；

其中，所述威胁攻击属性分析网络在进行网络收敛配置时的参数配置信息配置信息的配置情报包括参考训练样本数据的参考威胁攻击属性以及每一互联网访问站点的在先归类威胁攻击属性簇，所述网络收敛配置基准搜寻信息的输出用于表征对所述每一互联网访问站点的归类威胁攻击属性的归类准确程度的可能性分布信息；所述在先归类威胁攻击属性簇包括所述每一互联网访问站点相关的至少一个互联网访问站点的归类威胁攻击属性；所述每一互联网访问站点的归类威胁攻击属性是根据所述威胁攻击属性分析网络的归类学习单元在网络收敛优化配置流程中根据所述每一互联网访问站点的所述安全漏洞扫描信息分析出的威胁攻击属性的归类信息集获得的。

2.根据权利要求1所述的基于深度学习和大数据的安全漏洞分析方法，其特征在于，所述将所述目标互联网服务平台在当前互联网访问站点的安全漏洞扫描信息输入至满足网络收敛要求的威胁攻击属性分析网络，获得所述威胁攻击属性分析网络输出的所述当前互联网访问站点的威胁攻击属性，包括：

对所述当前互联网访问站点的安全漏洞扫描信息进行深度编码单元，获得当前互联网访问站点的安全漏洞扫描特征；

将所述当前互联网访问站点的安全漏洞扫描特征输入至所述归类学习单元，获得所述归类学习单元输出的当前互联网访问站点的威胁攻击属性的归类信息集；

根据所述当前互联网访问站点的威胁攻击属性的归类信息集进行关键属性提取，基于关键属性提取信息，得到当前互联网访问站点的威胁攻击属性。

3.根据权利要求1所述的基于深度学习和大数据的安全漏洞分析方法，其特征在于，所述目标威胁攻击属性分析网络的训练步骤包括：

获取所述参考训练样本数据的每一互联网访问站点的安全漏洞扫描信息以及威胁攻击属性；

将所述每一互联网访问站点的安全漏洞扫描信息输入至初始的威胁攻击属性分析网络的归类学习单元，获得所述归类学习单元输出的所述每一互联网访问站点的威胁攻击属性的归类信息集；

根据所述威胁攻击属性的归类信息集进行关键属性提取，获得所述每一互联网访问站点的归类威胁攻击属性；

根据所述威胁攻击属性以及每一互联网访问站点的在先归类威胁攻击属性簇输入所述网络收敛配置基准搜寻信息层，获得所述网络收敛配置基准搜寻信息层输出的所述每一互联网访问站点的目标网络收敛配置基准搜寻信息；

根据所述每一互联网访问站点的目标网络收敛配置基准搜寻信息以及归类威胁攻击属性的归类信息集，对所述归类学习单元的参数配置信息进行优化，将满足网络收敛条件的归类学习单元作为目标威胁攻击属性分析网络。