[发明专利]模型训练方法、网络态势预测方法、装置、设备及介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

根据各个样本时间段的网络关键信息数据，确定各个样本时间段的网络安全态势值；

根据预设的处理方式，对所述各个样本时间段的网络安全态势值进行处理，形成网络安全态势训练样本集；

将所述网络安全态势训练样本集输入经由粒子群优化PSO算法优化的初始支持向量机SVM模型中，获取各训练预测值与对应的实际值的误差；

根据各所述训练预测值与对应的实际值的误差，确定所述训练样本集中的补丁训练样本；

根据所述补丁训练样本，对初始SVM模型进行训练，得到补丁SVM模型；

根据所述训练样本集中的除所述补丁训练样本之外的剩余的正常训练样本，对所述初始SVM模型进行训练，得到全局SVM模型。

2.根据权利要求1所述的方法，其特征在于，所述根据各个样本时间段的网络关键信息数据，确定各个样本时间段的网络安全态势值，包括：

根据各个样本时间段中的正常平均访问量，确定正常访问量向量；

针对每个服务，根据各个样本时间段中从目标时刻到下一时刻的针对服务的各种攻击的严重程度和发生次数，确定服务在目标时刻对应的攻击发生次数向量以及攻击严重程度向量；其中，所述下一时刻与所述目标时刻之间的时间间隔为预设时刻；

针对每个服务，根据各个样本时间段内的时间窗口的网络带宽占用率和预设攻击程度级别，确定服务对应的网络带宽占用率向量以及预设攻击的威胁等级向量；

针对每个服务，根据正常访问量向量，服务在目标时刻对应的攻击发生次数向量以及攻击严重程度向量，以及，服务对应的网络带宽占用率向量以及预设攻击的威胁等级向量，确定服务在目标时刻对应的安全态势值；

根据各个所述服务在目标时刻对应的安全态势值，确定各个样本时间段的网络安全态势值。

3.根据权利要求2所述的方法，其特征在于，所述根据各个所述服务在目标时刻对应的安全态势值，确定各个样本时间段的网络安全态势值，包括：

针对每个主机，根据所述主机提供的服务的重要性等级，确定所述主机对应的服务层权重向量；

针对每个主机，根据所述主机对应的服务层权重向量以及所述主机提供的服务在目标时刻对应的安全态势值，确定所述主机在目标时刻的安全态势值；

根据各个所述主机在目标时刻的安全态势值，确定各个样本时间段的网络安全态势值。

4.根据权利要求3所述的方法，其特征在于，所述根据各个所述主机在目标时刻的安全态势值，确定各个样本时间段的网络安全态势值，包括：

根据网络中各个主机的重要性等级，确定主机层权重向量；

根据所述主机层权重向量以及各个所述主机在目标时刻的安全态势值，确定目标时刻的网络安全态势值；

针对每个样本时间段，根据所述样本时间段内各个目标时刻的网络安全态势值，确定所述样本时间段的网络安全态势值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本时间段内各个目标时刻的网络安全态势值，确定所述样本时间段的网络安全态势值，包括：

将述样本时间段内各个目标时刻的网络安全态势值的平均值，确定为所述样本时间段的网络安全态势值。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据预设的处理方式，对所述各个样本时间段的网络安全态势值进行处理，形成网络安全态势训练样本集，包括：

将所述各个样本时间段的网络安全态势值，按照时间顺序排列，形成原始态势值时间序列样本；

对所述原始态势值时间序列样本进行依次累加，形成累加后态势值时间序列样本；

对所述累加后态势值时间序列样本中的元素进行归一化处理，得到所述网络安全态势训练样本集。