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：本发明公开了基于人工智能的网络安全风险预测方法及系统，涉及网络安全技术领域，具体方法包括：步骤一、读取网络日志信息，收集正常与异常的网络数据并划分不同的时间段；步骤二、基于人工智能算法，按时间段将特征数据进行模态分解，得到特征数据的分解分量；步骤三、基于LSTM网络构造预测模型，确定LSTM模型内部状态的更新方式；步骤四、基于特征数据在不同时间段的预测值，对网络安全风险进行预警预测。通过本申请方案的实施，有助于快速实现对大量网络数据的特征提取，有助于提升网络安全风险预测的准确性与全面性。

主权项：1.基于人工智能的网络安全风险预测方法，其特征在于，包括：步骤一、读取网络日志信息，收集正常与异常的网络数据并划分不同的时间段，包括：提取网络数据中的特征数据，基于流量通过的网络接口不同，将特征数据按照网络接口划分，得到特征数据集合，根据流量变化平均值划分时间段，每个时间段的流量变化程度接近；得到特征数据集合，根据流量变化平均值划分时间段，具体方法为：将特征数据按照网络接口划分，得到特征数据集合，其中i代表不同时间段，j代表第j个网络接口，、、、分别代表在i时间段，第j个网络接口的流量数据包数量、流量数据包大小、流量传输速度、网络接口的防火墙CPU使用率；利用公式表示流量变化平均值，设置流量变化阈值O，t时长内存在N个时间点，在t时长内存在时间点k，k点的值最大，t时间内的流量变化平均值为，若，不作处理，反之将时长t划分为多个子时长，确保每个子时长满足上述关系；步骤二、基于人工智能算法，按时间段通过CEEMD方法对特征数据所代表的原始信号进行模态分解，得到两组不同的原始信号分量集合，最终得到每个特征数据的分解分量，将所有分解分量按照时间段随机划分为训练集合与对照集合；步骤三、基于LSTM网络构造预测模型，确定LSTM模型内部状态的更新方式；训练模型，使用完成训练的预测模型，对不同时间段的特征数据进行预测；步骤四、基于特征数据在不同时间段的预测值，对网络安全风险进行预警预测；分析不同网络接口对应的网络日志信息，得到各时间段内异常行为出现次数，以及各时间段的真实网络数据的变化趋势，根据完成训练的预测模型，预测不同网络接口对应的各时间段的网络变化趋势，以及变化范围预测值，在相同网络接口与相同时间段的基础上，比较变化范围真实值与变化范围预测值，判断对应网络接口是否具有安全风险。

全文数据：

权利要求：

百度查询： 石家庄学院 基于人工智能的网络安全风险预测方法及系统