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：江苏冬云云计算股份有限公司

摘要：本发明涉及数据传输威胁检测技术领域，具体为一种基于AI驱动的数据传输威胁检测方法和系统，包括规则匹配模块、近邻算法模型模块和结果分析模块。本发明中，规则匹配模块通过网络监控设备收集数据包信息，对收集的数据进行过滤无关信息、会话重构和结构化的转换，并与数据规则库中的签名和规则进行比对，匹配成功的数据标记为异常，并将结构化的数据和匹配结果进行输出，近邻算法模型模块从数据包信息中提取数据特征，利用近邻算法进行异常检测，将置信度和是否异常结果进行输出，结果分析模块比较规则匹配模块和近邻算法模型模块中的输出结果，根据比较结果确定最终结果和优化处理。

主权项：1.一种基于AI驱动的数据传输威胁检测系统，其特征在于：包括规则匹配模块（100）、近邻算法模型模块（200）和结果分析模块（300），其中：所述规则匹配模块（100）通过网络监控设备收集数据包信息，对收集的数据进行过滤无关信息、会话重构和结构化的转换，并与数据规则库中的签名和规则进行比对，匹配成功的数据标记为异常，并将结构化的数据和匹配结果进行输出；所述近邻算法模型模块（200）从数据包信息中提取数据特征，利用近邻算法进行异常检测，通过计算待分析样本与训练集中样本的欧几里得距离，找出K个最近邻居，并应用多数表决原则分别判断样本是否异常和预测置信度，其中K表示在进行分类和回归时考虑的最近邻居的数量，将置信度和是否异常结果进行输出；所述结果分析模块（300）比较规则匹配模块（100）和近邻算法模型模块（200）中的输出结果，比较一致时，确定预测结果为最终结果；比较不一致时，将规则匹配模块（100）中的结构化的数据和近邻算法模型模块（200）中的置信度与原始输入数据进行整合，所述结果分析模块（300）利用决策树算法进行结果是否异常的预测，并将该预测结果分别与规则匹配模块（100）和近邻算法模型模块（200）中的输出结果进行比较，根据比较结果分别对规则匹配模块（100）和近邻算法模型模块（200）进行优化处理，优化处理之后，按照之前的逻辑进行再次的结果预测和比较，直到确定最终结果；所述规则匹配模块（100）包括传输数据采集单元（101）和传输数据分析单元（102），所述传输数据采集单元（101）通过网络监控设备收集数据包信息；所述传输数据分析单元（102）对收集的数据进行过滤无关信息、会话重构和结构化的转换，并与数据规则库中的签名和规则进行比对，匹配成功的数据标记为异常，并将结构化的数据和匹配结果进行输出；所述近邻算法模型模块（200）包括传输数据处理单元（201）和近邻算法分析单元（202），所述传输数据处理单元（201）从数据包信息中提取数据特征；所述近邻算法分析单元（202）利用近邻算法进行异常检测，通过计算待分析样本与训练集中样本的欧几里得距离，找出K个最近邻居，并应用多数表决原则分别判断样本是否异常和预测置信度，其中K表示在进行分类和回归时考虑的最近邻居的数量，将置信度和是否异常结果进行输出；所述结果分析模块（300）包括结果比对单元（301）、结果确定单元（302）和反馈优化单元（303），所述结果比对单元（301）比较传输数据分析单元（102）和近邻算法分析单元（202）中的预测结果，比较一致时，则确定预测结果为最终结果；比较不一致时，将规则匹配模块（100）中的传输数据分析单元（102）中的结构化的数据和近邻算法分析单元（202）中的置信度与原始输入数据进行整合，并将整合数据发送给结果确定单元（302）；所述结果确定单元（302）利用决策树算法进行数据状态的结果预测，将预测的结果与传输数据分析单元（102）的预测结果和近邻算法分析单元（202）中的预测结果分别进行比较，根据比较结果启动反馈优化单元（303）进行优化处理；所述结果确定单元（302）利用决策树算法进行数据状态的结果预测，具体包括：计算整个数据集的熵，熵表示数据不纯度的度量，决定了数据中存在多少随机性，对于数据集中的每一类都计算出现概率和这个概率的对数的乘积，将所有这些乘积相加并取负值；对于数据集中的每个特征，按照该特征的不同值将数据集划分为几个子集，并计算每个子集的熵，用每个子集的大小加权求和，得到按此特征划分数据集后的总体熵；信息增益等于数据集原始熵与按照特征划分后的条件熵之间的差异，差值表明了通过考虑这个特征后数据随机性减少的程度；比较所有特征的信息增益，选择信息增益最大的特征作为分割点；用选定的特征分割数据集，对每个子集重复上述过程，直到达到所有的实例都属于同一个类别；所述结果确定单元（302）根据比较结果启动反馈优化单元（303）进行优化处理，具体包括：结果确定单元（302）的预测结果与传输数据分析单元（102）的预测结果不一样时，反馈优化单元（303）对规则匹配模块（100）中的传输数据分析单元（102）中的数据进行优化处理，通过标准化数据、计算协方差矩阵、求解特征值和特征向量，选特征向量组成新的特征空间，并通过这些向量将原始数据变换到一个低维空间中，保持了最大程度的数据方差，简化数据集的复杂度并突出数据的主要结构进行优化处理；结果确定单元（302）的预测结果与近邻算法分析单元（202）的预测结果不一样时，反馈优化单元（303）对近邻算法分析单元（202）中的K值进行调整，通过将K值进行增加来对模型进行优化处理，K值大小决定了模型对噪声的敏感程度及对异常值的鲁棒性。

全文数据：

权利要求：

百度查询： 江苏冬云云计算股份有限公司 一种基于AI驱动的数据传输威胁检测方法和系统