[发明专利]基于特征引擎的资产定级方法、装置、电子设备及介质

权利要求书

1.一种基于特征引擎的资产定级方法，其特征在于，所述方法包括：

接收终端设备发送的样本流量数据以及实时流量数据，其中，所述样本流量数据包括行为特征信息，所述行为特征信息用于表征所述样本流量数据中网络行为的原子动作信息；

根据所述流量特征信息的行为特征信息创建网络行为特征表，并对所述网络行为特征表与预设的资产分类定级表进行映射，得到目标映射表，其中，所述资产分类定级表存储有用于表征资产重要程度的重要性分数；

将所述样本流量数据以及所述目标映射表输入特征引擎进行训练，得到训练好的特征引擎；

将所述实时流量数据输入训练好的特征引擎，输出与所述实时流量数据对应的资产分类信息；

根据所述目标映射表确定与所述资产分类信息对应的重要性分数；

根据所述重要性分数、所述资产分类信息以及预设的决策树对所述实时流量数据进行资产预测，得到目标资产分值，其中，所述目标资产分值用于表征所述资产分类信息中资产的重要程度。

2.根据权利要求1所述的基于特征引擎的资产定级方法，其特征在于，所述将所述样本流量数据以及所述目标映射表输入特征引擎进行训练，得到训练好的特征引擎，包括：

将所述样本流量数据以及所述目标映射表输入所述特征引擎，以使所述特征引擎对所述样本流量数据的行为特征信息进行特征标注，得到多个样本标记信息；

根据所述样本标记信息对所述样本流量数据与所述目标映射表进行匹配，得到与所述样本流量数据对应的多个样本资产分类；

根据所述样本资产分类对所述样本流量数据进行分类，得到样本集合；

根据所述样本集合对所述特征引擎进行训练，得到训练好的特征引擎。

3.根据权利要求2所述的基于特征引擎的资产定级方法，其特征在于，所述将所述实时流量数据输入训练好的特征引擎，输出与所述实时流量数据对应的资产分类信息，包括：

基于预设的解析模板对所述实时流量数据进行范式化处理，得到所述实时流量数据的特征参数；

将所述实时流量数据输入训练好的特征引擎，使得所述特征引擎对所述特征参数进行数据标识，得到标识信息；

对所述实时流量数据进行去噪操作，得到实时数据；

根据所述标识信息对所述实时数据与所述样本集合中的样本流量数据进行距离计算，得到距离集合；

对所述距离集合中的样本资产分类进行统计，输出与所述实时流量对应的资产分类信息。

4.根据权利要求3所述的基于特征引擎的资产定级方法，其特征在于，所述对所述实时流量数据进行去噪操作，得到实时数据，包括：

基于预设的均值聚类算法对所述实时流量数据进行检测，得到所述实时流量数据的多个观测值；

对多个所述观测值进行分箱操作，得到多个一维矩阵；

根据所述一维矩阵对所述实时流量数据进行距离监测，得到噪音数据；

对所述实时流量数据中的所述噪音数据进行清洗操作，得到实时数据。

5.根据权利要求3所述的基于特征引擎的资产定级方法，其特征在于，所述根据所述标识信息对所述实时数据与所述样本集合中的样本流量数据进行距离计算，得到距离集合，包括：

根据所述标识信息对所述实时数据进行特征提取，得到特征向量空间；

根据所述样本标记信息对所述样本集合中的样本流量数据进行特征提取，得到样本向量空间；

基于预设的余弦公式对所述特征向量空间以及所述样本向量空间进行距离计算，得到多个余弦距离值；

基于预设的目标相似度值对所述余弦距离值进行排序，得到所述距离集合。

6.根据权利要求2所述的基于特征引擎的资产定级方法，其特征在于，所述根据所述重要性分数、所述资产分类信息以及预设的决策树对所述实时流量数据进行资产预测，得到目标资产分值，包括：

根据所述样本集合对所述决策树进行训练，得到目标森林；

将所述资产分类信息输入所述目标森林进行类别判断，输出多个分类结果；

对所述分类结果进行数量统计，得到目标分类信息；

根据所述目标分类信息对所述重要性分数进行选择，确定目标资产分值。