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！

摘要：本发明实施例涉及网络安全技术领域，公开了一种基于大数据网络恶意攻击的数据加密方法，包括：通过网络连接大数据平台实时采集相应的访问数据集，将模型数据集传输至攻击检测单元；攻击检测单元对待检数据集中的特征参数进行编号处理以得到相应的筛选数据组，数据加密单元根据筛选数据组和参考数据集计算得到相应的序列数据组，并通过网络将序列数据组传输至漏洞检测单元，通过网络连接平台数据库采集加密数据集。本发明实施例中的大数据网络恶意攻击的数据加密方法具有实时防护、精准检测、数据加密强化、漏洞检测与修复以及智能化与自动化等技术效果，为大数据平台提供了更为全面和高效的安全保障。

主权项：1.一种基于大数据网络恶意攻击的数据加密方法，其特征在于，包括：通过网络连接大数据平台实时采集相应的访问数据集，并将所述访问数据集传输至攻击检测单元；其中，所述访问数据集为网络用户访问相应网络站点的数据集合；通过网络连接获取平台数据库中的模型数据集，将所述模型数据集传输至攻击检测单元，并根据所述模型数据集和访问数据集来构建待检数据集；所述攻击检测单元对所述待检数据集中的特征参数进行编号处理以得到相应的筛选数据组，并将所述筛选数据组传输至数据加密单元；所述数据加密单元通过网络连接平台数据库来构建参考数据集；其中，所述参考数据集包括参考变形模型、参考漏洞数据集和参考漏洞指数；所述攻击检测单元对所述待检数据集中的特征参数进行编号处理以得到相应的筛选数据组，包括：对访问数据集中的特征参数进行编号处理以得到访问编号集，所述访问编号集的编号依次为FW1、FW2、FW3、...FWn；对模型数据集中的特征参数进行编号处理以得到模型编号集；提取所述访问编号集中与网络攻击关联的攻击特征参数，所述特征参数包括访问频率、流量模式、来源IP地址和攻击时间点；通过卷积神经网络来对获取到的攻击特征参数进行提取以得到相应的高阶特征参数；根据异常检测算法来将所述攻击特征参数以及高阶特征参数与模型编号集中的数据来进行数据匹配以计算访问数据集中各个数据点与已知攻击模式的检测匹配结果，所述检测匹配结果为相似度数据或者异常程度数据，所述异常检测算法采用欧式距离公式或者高斯混合模型或者异常估计公式来进行匹配计算；若所述检测匹配结果设定要求，则将相应的数据点标记为异常，并将被标记为异常的数据点加入到筛选数据组中；所述数据加密单元根据筛选数据组和参考数据集计算得到相应的序列数据组，并通过网络将所述序列数据组传输至漏洞检测单元，通过网络连接平台数据库采集加密数据集；根据所述加密数据集和参考数据集计算得到相应的加密数据组；所述参考数据集包括参考变形模型CKbx、参考漏洞数据集CKk和参考漏洞指数CKLdzs，所述数据加密单元根据筛选数据组和参考数据集计算得到相应的序列数据组，包括：根据序列计算公式对筛选数据组Sxsj和参考数据集计算得到序列数据组Xlsj，所述序列计算公式为： 其中，Xlsj表示序列数据组，表示根据筛选数据组中访问数据变量拆分出的变形序列，CKbx表示参考变形模型中根据访问数据集中单个或多个数据对应的变形算法；xn为对应的数据点参数；根据所述加密数据集计算得到相应的加密数据组，包括：按照设定的隐私类别列表来对所述加密数据集中各个待加密数据进行隐私类别确定以获取待加密数据对应的加密级别信息；根据所述加密级别信息来获取与所述加密级别信息对应的加密函数；根据所述加密函数对相应的加密数据集中的待加密数据进行加密处理，在加密过程中，记录每一步的加密参数和中间结果，并基于所述加密参数和中间结果生成相应的解锁密钥；所述解锁密钥与加密数据相对应；将各类隐私数据加密后的结果组合形成加密数据组，所述加密数据组包括多个加密后的数据块和对应的解锁密钥；根据所述序列数据组和参考数据集计算得到相应的漏洞指数，将其与参考数据集中的参考漏洞指数进行对比，若检测到漏洞指数超过预设的阈值，则生成修复信号，并将其传输到安全检查单元来进行安全检测。

全文数据：

权利要求：

百度查询： 广州松杨云创科技有限公司 基于大数据网络恶意攻击的数据加密方法及系统