[发明专利]一种网络信息管理平台、装置及安全管理方法

说明书

本发明提出一种网络信息管理平台、装置及安全管理方法，其中所述的网络信息管理平台、装置及安全管理方法基于具有学习能力的Q‑Net网络技术实现，所述Q‑Net网络信息管理平台的结构采用扁平化设计原则，能够消除集中化管理所导致的瓶颈问题；通过自主学习来完善历史样本模型，使异常分析结果更加准确；通过对采集到的数据进行数据清洗来统一数据格式，对特征属性进行量化，从而增加了异常分析所能够利用的特征属性类型，从更多维度进行异常分析，提高了异常分析的全面性和准确性。

技术领域

本发明属于网络信息管理技术领域，尤其涉及一种网络信息管理平台、安全管理方法及装置。

背景技术

管理平台帮助企业建立快速响应，并适应企业业务环境及业务发展的IT运维管理模式，实现运维管理自动化。

随着信息化的不断发展，IT基础设施规模越来越庞大、结构变得相对复杂，而数据中心对IT基础设施的管理主要以手工为主，对基础设施故障的管理处于被动救火的状态，故障分析速度慢，根源定位难度大，基础设施更新换代、扩容建设缺乏科学性能评估依据，难以应对业务系统安全运行保障要求。

利用网络信息管理平台来对网络中的核心交换机进行监控，对交换机端口的各项指标进行实时监测，能够迅速了解网络当前运行情况，对出现的异常情况进行及时的处理。从而可以避免端口流量过大造成的一系列问题，例如病毒入侵、交换机死机，造成整个网络瘫痪等等。

但目前的网络信息管理平台多半是集中式网管构架，导致在管理者处容易成为瓶颈，且网络带宽开销较大，效率不高，导致网络安全监测不及时，不能及时快速地排查网络中潜在的异常和风险。

同时，目前在检测网络异常时，所采用的规则相对单一，更新慢，不灵活，导致误报率高，也不利于快速采取正确的异常处理措施。

另外，目前我国电信、金融、科教文卫等网络发展迅速，这些不同类型的网络被连接到一起，形成异构网络。然而，现有的对异构网络的异常分析主要局限于单个网络内，而不能实现异构网络层面上的异常检测。在异构网络中各种网络节点所上报的数据格式并不统一，也不利于对异构网络各个网络节点进行统一的监测和管理。

发明内容

本发明提出，采用具有深度学习特点的Q-Net网络技术来实现网络信息管理平台，利用多个中层管理设备，分层次地对所管辖的网络节点进行异常分析。

Q-Net网络是一种深度强化学习型网络，是机器学习领域中一个新的研究热点，它将学习与决策相结合，采用深度学习进行动态选择和修正，提取网络中各个的特征属性，据此构建历史样本模型，再根据历史样本模型来分析网络中的实时数据，发现当前网络中存在的异常。所述Q-Net网络信息管理平台的结构采用扁平化设计原则，能够消除集中化管理所导致的瓶颈问题；通过自主学习来完善历史样本模型，使异常分析结果更加准确；通过对采集到的数据进行数据清洗来统一数据格式，对特征属性进行量化，从而增加了异常分析所能够利用的特征属性类型，从更多维度进行异常分析，提高了异常分析的全面性和准确性。

本申请提出了一种具有学习能力的Q-Net网络信息管理平台的安全管理方法，该网络信息管理平台包括数据中心和多个中层管理设备，其中，每个中层管理设备负责管理网络中的一个或多个网络节点，每个网络节点有且只有一个中层管理设备对其进行管理；其特征在于：

所述数据中心，维护所述多个中层管理设备及各个网络节点组成的网络的拓扑结构；接收来自远程客户端的查询请求，并将从中层管理设备获取的查询结果返回给远程客户端；所述查询请求用于查询网络节点当前是否发生异常；

所述中层管理设备，采集所管辖的网络节点的历史数据，所述历史数据包括多个需要分析的特征属性；学习历史数据，为每个特征属性确定正常值范围和基准值，根据每个特征属性的正常值范围建立历史样本模型；