[发明专利]网络安全态势的预测方法、装置及计算机可读存储介质

权利要求书

1.一种网络安全态势的预测方法，其特征在于，所述方法包括：

获取第一预设时间段内待预测网络的待预测节点数据，所述待预测节点数据包括所述待预测网络中每个待预测网络节点的数据；

根据长短期记忆网络预测模型对所述待预测节点数据进行预测，得到每个所述待预测网络节点在目标时间的第一特征信息，所述第一特征信息为通过所述长短期记忆网络预测模型得到的每个所述待预测网络节点的网络安全态势信息；

根据图注意力预测模型以及所述待预测网络的邻接矩阵信息，对每个所述待预测网络节点以及相邻网络节点的第一特征信息进行预测，得到每个所述待预测网络节点的网络安全态势，所述相邻网络节点为与所述待预测网络节点相邻的网络节点。

2.如权利要求1所述的方法，其特征在于，所述根据长短期记忆网络预测模型对所述待预测节点数据进行预测，得到每个所述待预测网络节点在目标时间的第一特征信息的步骤包括：

将所述待预测网络节点的三维矩阵数据输入至所述长短期记忆网络预测模型中，得到所述长短期记忆网络输出的二维矩阵数据；

根据所述二维矩阵数据，预测每个所述待预测网络节点在所述目标时间的所述第一特征信息；

其中，所述待预测节点数据为所述三维矩阵数据，所述三维矩阵数据包括每个所述待预测网络节点的第一信息容量、每个所述待预测网络节点的节点信息以及所述待预测网络节点的数量，所述二维矩阵数据包括所述待预测网络节点的数量以及每个所述待预测网络节点对应的第二信息容量。

3.如权利要求1所述的方法，其特征在于，所述根据图注意力预测模型以及所述待预测网络的邻接矩阵信息，对每个所述待预测网络节点以及相邻网络节点的第一特征信息进行预测，得到每个所述待预测网络节点的网络安全态势的步骤包括：

根据所述待预测网络的所述邻接矩阵信息，确定每个所述待预测网络节点对应的所述相邻网络节点；

确定每个所述相邻网络节点的所述第一特征信息；

根据所述图注意力预测模型，对每个所述待预测网络节点的所述第一特征信息以及所述相邻网络节点的第一特征信息进行预测，得到每个所述待预测网络节点的所述网络安全态势。

4.如权利要求1所述的方法，其特征在于，所述获取第一预设时间段内待预测网络的待预测节点数据的步骤包括：

获取所述第一预设时间段内所述待预测网络中所有所述待预测网络节点的一维向量数据，所述一维向量数据包括符号型数据，所述符号型数据包括协议类型、服务类型以及网络连接状态；

采用独热编码将所述符号型数据转换为目标编码数据；

根据所述目标编码数据生成时间序列数据，将所述时间序列数据作为所述待预测节点数据。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取第二预设时间段内预设网络中每个预设网络节点的原始待训练节点数据；

对所述原始待训练节点数据进行处理，得到目标待训练数据，所述目标待训练数据的矩阵形式为三维矩阵；

采用所述目标待训练数据对长短期记忆网络训练模型进行训练，得到所述长短期记忆网络预测模型；

采用所述长短期记忆网络预测模型对所述目标待训练数据进行预测，得到所述预设网络中每个所述预设网络节点对应的第二特征信息，所述第二特征信息包括每个所述预设网络节点的第一态势信息；

根据所述第二特征信息对图注意力训练模型进行训练，得到所述图注意力预测模型。

6.如权利要求5所述的方法，其特征在于，所述根据所述第二特征信息对图注意力训练模型进行训练，得到所述图注意力预测模型的步骤包括：

将所述第二特征信息以及所述预设网络的预设邻接矩阵信息输入至所述图注意力训练模型中，得到所述图注意力训练模型输出的每个所述预设网络节点的第二态势信息；

根据所述第二态势信息、预设实际态势信息以及交叉熵损失函数，检测所述图注意力训练模型是否收敛；

在所述图注意力训练模型未收敛时，对所述图注意力训练模型进行反向传播；

在所述图注意力训练模型收敛时，将所述图注意力训练模型保存为所述图注意力预测模型。