买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州大学

摘要：本发明涉及数据状态评估技术领域，具体涉及一种基于模式识别的网络安全大数据状态评估方法。方法包括：根据网络安全数据序列集合中的各个网络安全数据序列中的各网络安全数据，得到各个网络安全数据序列对应的重叠率表征值和集中性表征值，根据重叠率表征值和集中性表征值得到各个渠道对应的目标数据序列集合；根据各个渠道对应的目标数据序列集合得到各个渠道对应的数据点集合，根据各个数据点对应的近邻数据点集合得到数据点集合中的各个数据点对应的模式分布特征值；根据数据点集合中的各个数据点对应的模式分布特征值得到各个渠道对应的网络安全状态。本发明能够较准确的评估各个渠道对应的网络安全状态。

主权项：1.一种基于模式识别的网络安全大数据状态评估方法，其特征在于，该方法包括如下步骤：获取目标终端内的渠道集合以及所述渠道集合中的各个渠道对应的网络安全数据序列集合；根据所述网络安全数据序列集合中的各个网络安全数据序列中的各网络安全数据，得到所述各个网络安全数据序列对应的重叠率表征值和所述各个网络安全数据序列对应的集中性表征值；根据所述重叠率表征值和所述集中性表征值，得到所述各个渠道对应的目标数据序列集合；根据所述各个渠道对应的目标数据序列集合，得到所述各个渠道对应的数据点集合；获取得到所述各个渠道对应的数据点集合中的各个数据点对应的近邻数据点集合，根据所述各个数据点对应的近邻数据点集合，得到所述数据点集合中的各个数据点对应的模式分布特征值；根据所述数据点集合中的各个数据点对应的模式分布特征值，得到所述各个渠道对应的网络安全状态；得到所述各个渠道对应的网络安全状态的方法，包括：针对于任一渠道A对应的数据点集合D0，获取得到所述数据点集合D0中的任意两个数据点之间的模式分布特征相似性；根据所述数据点集合D0中的任意两个数据点之间的模式分布特征相似性，利用K-means算法对所述数据点集合D0中的数据点进行聚类，得到所述渠道A对应的所有聚类簇；针对于所述渠道A对应的任一聚类簇U：在所述聚类簇U中，获取得到所述聚类簇U中的各个数据点对应的最近邻数据点，将所述聚类簇U中的各个数据点与其对应的最近邻数据点之间的欧氏距离记为对应数据点对应的最近邻距离，将所述聚类簇U中的所有数据点对应的最近邻距离的累加和的倒数记为所述聚类簇U对应的内部密集程度指标值；针对于所述聚类簇U中的任一数据点P0，在所述聚类簇U中，将除所述数据点P0之外的所有数据点构建的集合记为所述数据点P0对应的待判断数据点集合，并判断所述待判断数据点集合中是否存在与所述数据点P0对应的最近邻距离相同的数据点，若存在，则将所述数据点P0记为第一数据点；在所述聚类簇U中，统计得到第一数据点的数量，并记为第一数量表征值，将所述第一数量表征值与所述聚类簇U中数据点的总数量的比值记为所述聚类簇U对应的特征数量比值；将所述聚类簇U对应的特征数量比值与其对应的内部密集程度指标值的乘积记为所述聚类簇U对应的判定指标值，若判断所述聚类簇U对应的判定指标值不小于预设异常阈值，则将所述聚类簇U记为异常聚类簇；对所述渠道A对应的所有聚类簇中的所有异常聚类簇对应的判定指标值的累加和进行归一化，得到所述渠道A对应的网络安全异常风险程度；判断所述网络安全异常风险程度是否不小于预设风险程度阈值，若是，则判定所述渠道A对应的网络安全状态为异常，否则，则判定为所述渠道A对应的网络安全状态为正常；获取得到所述数据点集合D0中的任意两个数据点之间的模式分布特征相似性的方法，包括：针对于所述数据点集合D0中的第z个数据点与所述数据点集合D0中的第v个数据点，z的值不等于v的值：将对所述第z个数据点与所述第v个数据点之间的欧式距离进行负相关映射所得到的值记为第一相似表征值；将对所述第z个数据点对应的模式分布特征值与所述第v个数据点对应的模式分布特征值之间的差值绝对值进行负相关映射所得到值记为第二相似表征值；将所述第一相似表征值与所述第二相似表征值的和，记为所述第z个数据点与所述第v个数据点之间的模式分布特征相似性。

全文数据：

权利要求：

百度查询： 兰州大学 一种基于模式识别的网络安全大数据状态评估方法