[发明专利]通过人工神经网络预测分布式网络的健康状态的方法

权利要求书

1.一种用于通过人工神经网络来预测分布式网络的健康状态的方法，其特征在于，所述方法包括在所述分布式网络中识别对象的阶段，包括以下步骤：

-由可操作地连接到所述分布式网络的计算机化数据处理单元识别所述分布式网络中的一个或多个站点；

-由所述计算机化数据处理单元识别每个识别的站点的一个或多个资产；

-由所述计算机化数据处理单元识别识别的资产之间的链路，其中链路由在所述分布式网络中交换的数据分组定义，所述数据分组具有与发送者资产相关的协议字段、与接收者资产相关的协议字段和允许在所述发送者资产和所述接收者资产之间通信的协议字段，并且其中对于每个所述链路，所述发送者资产和所述接收者资产定义节点，并且所述发送者资产和所述接收者资产之间的连接定义所述节点之间的所述链路，所述链路具有从所述发送者资产到所述接收者资产的方向；

-在可操作地连接到所述数据处理单元的永久类型的存储单元中存储所述分布式网络的所述识别的站点、所述识别的资产和所述识别的链路；

其中用于预测健康状态的所述方法还包括在实际迭代中评估每个所述识别的资产的实际健康状态的阶段，包括以下步骤：

-由所述计算机化数据处理单元根据范围从最差资产健康状态到最佳资产健康状态的一组预定义的资产健康状态值，来评估每个所述识别的资产的实际资产健康状态等级；

-由所述计算机化数据处理单元根据范围从最大资产感染风险到无资产感染风险的一组预定义的资产感染风险值，来评估每个所述识别的资产的实际资产感染风险；

-由所述计算机化数据处理单元操作的所述人工神经网络计算每个所述识别的资产的实际资产感染因素，作为所述资产的感染可以根据所述识别的链路扩散到其他资产的概率；

其中用于预测健康状态的所述方法还包括在所述实际迭代中评估每个所述识别的站点的所述实际健康状态的阶段，包括以下步骤：

-由所述计算机化数据处理单元将每个所述识别的站点的所述实际站点健康状态等级评估为等于所述站点中的所述资产的最小实际资产健康状态值；

-由所述计算机化数据处理单元将每个所述识别的站点的所述实际站点感染风险评估为等于所述站点中的所述资产的最大资产感染风险值；并且

其中，用于预测健康状态的所述方法还包括由所述计算机化数据处理单元操作的所述人工神经网络根据基于包括所述实际资产健康状态等级、所述实际资产感染风险、所述实际资产感染因素、所述实际站点健康状态等级和所述实际站点感染风险的一组预测值的预测函数，在后续迭代中预测每个所述识别的站点的后续健康状态的阶段。

2.根据权利要求1所述的用于通过人工神经网络来预测分布式网络的健康状态的方法，其特征在于，在预定的学习时间间隔内执行评估每个所述识别的资产的所述实际健康状态的阶段和评估每个所述识别的站点的所述实际健康状态的阶段，以及

其中，每个所述识别的资产的所述实际资产健康状态等级、每个所述识别的资产的所述实际资产感染风险、每个所述识别的资产的所述实际资产感染因素、每个所述识别的站点的所述实际站点健康状态等级以及每个所述识别的站点的所述实际站点感染风险被存储在所述存储单元中。

3.根据权利要求1所述的用于通过人工神经网络来预测分布式网络的健康状态的方法，其特征在于，在预定的学习时间间隔内执行评估每个所述识别的资产的所述实际健康状态的阶段和评估每个所述识别的站点的所述实际健康状态的阶段，以及

其中每个所述识别的资产的所述实际资产健康状态等级、每个所述识别的资产的所述实际资产感染风险、每个所述识别的资产的所述实际资产感染因素、每个所述识别的站点的所述实际站点健康状态等级以及每个所述识别的站点的所述实际站点感染风险包括在所述预定的学习时间间隔中的预定的学习时刻定义的多个值。