[发明专利]一种基于人工智能的全场景网络安全智慧决策处置方法

权利要求书

1.一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，包括以下步骤：

S01：将数据采集任务分配给采集器，由采集器根据任务的内容对目标发送数据采集请求，待目标返回数据后，采集器将采集到的数据转换为极坐标编码图并进行掺杂加密后得到密码图，上传消息总线，掺杂源保存在采集器和存储单元内；

S02：存储单元接收消息总线内的数据，进行逆掺杂解密后，根据得到的数据特征进行网络安全事件的分类和处置方法标注，分类和标注后加上时间戳存储；

S03：将历史网络安全事件和对应处置方法导入到神经网络中进行训练，并根据结果验证的准确率进行调整，得到最终模型；

S04：将实时网络安全事件导入最终模型进行判断，得到处置方法，根据处置方法的内容进行处置；

所述掺杂加密的过程包括：将数据转换为二进制，每8位截取一次，记录截取到的数值；建立极坐标系，从原点向逆时针旋转为正，每隔固定度数划标线，每条标线由连续的坐标点组成，用（Ln,An）表示标线上的位置，其中Ln为标线编号，An为对应编号标线上坐标点的编号，将每个截取到的数值转换为十进制并作为灰度值依次导入至标线中的坐标点所涵盖的像素, 顺序为从L1上的A1位置开始至L1上的An，然后跳转至下一条标线，直至导入完成，得到带有灰度的极坐标编码图并记录生成时刻，利用预置的极坐标掺杂图对极坐标编码图进行掺杂，得到密码图，所述密码图和极坐标编码图的生成时刻用于上传消息总线；

所述利用预置的极坐标掺杂图对极坐标编码图进行掺杂，包括：将极坐标编码图的生成时刻带入预置公式计算出偏转角，将极坐标掺杂图旋转对应偏转角后与极坐标编码图叠加，得到密码图；其中，逆掺杂解密时，利用相同的预置公式结合所述生成时刻得到偏转角，将极坐标掺杂图旋转对应偏转角后从密码图中滤去，还原得到极坐标编码图，读取各坐标点的灰度值后拼接成二进制数据，得到原数据。

2.根据权利要求1所述的一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，步骤S03包括：将历史网络安全事件名称转化为词向量形式，并分为训练集和验证集，将训练集中的词向量和处置方法分批导入至参数不同的神经网络中进行训练得到若干种训练后的神经网络；将验证集输入至各训练后的神经网络中输出处置方法，与验证集中原处置方法进行对比，统计得到准确率；根据准确率调整并筛选训练后的神经网络，从中得到最终模型。

3.根据权利要求2所述的一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，所述准确率的统计过程包括：如果对比结果一致则正确计数加一，如果不一致则错误计数加一，准确率=正确计数/正确计数与错误计数之和。

4.根据权利要求3所述的一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，所述神经网络为BP神经网络，训练过程包括：设置BP神经网络的输入层节点数、隐含层节点数、输出层节点数、训练迭代次数以及学习率，将训练集中的特征集合作为输入，处置方法作为输出，导入至BP神经网络进行训练，其中每批次训练时设置不同的隐含层节点数。

5.根据权利要求4所述的一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，所述根据准确率调整并筛选训练后的神经网络，从中得到最终模型，包括：判断准确率是否达到预设条件，如是，则取准确率最高的神经网络作为最终模型；如否，则建立准确率-隐含层节点数分布图，并进行曲线拟合，取曲线中准确率最高点对应的隐含层节点数作为最终模型的隐含层节点数并重新训练，得到最终模型。

6.根据权利要求1所述的一种基于人工智能的全场景网络安全智慧决策处置方法，其特征在于，加密时选用的极坐标掺杂图的样式名称与密码图一同上传。