[发明专利]光纤网络威胁智能感知方法及其系统

权利要求书

1.一种光纤网络威胁智能感知方法，其特征在于，包括：

获取光纤网络的在多个预定时间点的各路信号数据，其中，所述各路信号数据包括拒绝服务攻击数据、远程非法访问攻击数据、超级用户特权非法访问攻击数据和探测攻击数据；

将所述多个预定时间点的各路信号数据中的各项数据分别按照样本维度和时间维度排列为第一至第四输入矩阵后通过卷积神经网络模型以获得第一至第四特征图；

计算所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数，其中，所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数为以每两个所述特征图中各个相应位置的特征值之间的距离的加权和的对数函数值的加权和；

以所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数作为每个特征图的加权系数计算所述第一至第四特征图中每个特征图的加权和以获得分类特征图；

将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示光纤网络的安全等级。

2.根据权利要求1所述的光纤网络威胁智能感知方法，其中，将所述多个预定时间点的各路信号数据中的各项数据分别按照样本维度和时间维度排列为第一至第四输入矩阵后通过卷积神经网络模型以获得第一至第四特征图，包括：

将所述多个预定时间点的各路信号数据中的各项数据分别按照样本维度和时间维度排列为所述第一至第四输入矩阵；

使用所述卷积神经网络模型的各层在层的正向传递中对输入数据进行卷积处理、池化处理和激活处理以由所述卷积神经网络模型的最后一层生成所述第一至第四特征图，其中，所述卷积神经网络模型的第一层的输入为所述第一至第四输入矩阵。

3.根据权利要求2所述的光纤网络威胁智能感知方法，其中，计算所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数，包括：

以如下公式计算所述第一至第四特征图中每个特征图与其他特征图之间的所述衍生信息超凸度量因数；

其中，所述公式为：

其中f_i表示第一个特征图中的各个位置的特征值，f_j表示第二个特征图中的各个位置的特征值，|·|表示所述第一个特征图与所述第二个特征图之间的距离。

4.根据权利要求3所述的光纤网络威胁智能感知方法，其中，以所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数作为每个特征图的加权系数计算所述第一至第四特征图中每个特征图的加权和以获得分类特征图，包括：

将所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数作为每个特征图的加权系数，以如下公式计算所述第一至第四特征图中每个特征图的加权和以获得所述分类特征图；

其中，所述公式为：

F＝w₁F₁+w₂F₂+w₃F₃+w₄F₄

其中，F₁表示所述第一特征图，F₂表示所述第二特征图，F₃表示所述第三特征图，F₄表示所述第四特征图，w₁表示所述第一特征图与其他特征图之间的流行维度分布相似性因数，w₂表示所述第二特征图与其他特征图之间的流行维度分布相似性因数，w₃表示所述第三特征图与其他特征图之间的流行维度分布相似性因数，w₄表示所述第四特征图与其他特征图之间的流行维度分布相似性因数，“+”表示所述第一至第四特征图中相对应位置处的元素相加。