[发明专利]一种工业生产数据风险等级评估方法及系统

说明书

本发明涉及一种工业生产数据风险等级评估方法及系统，涉及深度学习技术领域，包括：获取工业生产数据；工业生产数据由工业生产设备产生；根据工业生产数据的安全等级将工业生产数据存储到对应的数据库中；工业生产数据根据安全等级分为一般数据、重要数据和核心数据；获取工业生产数据的监测信息；监测信息为数据库被访问时对应的流量信息或日志信息；将监测信息输入至训练好的分类卷积神经网络模型中，得到监测信息对应的工业生产数据的风险等级。本发明采用分类卷积神经网络模型对工业生产数据的监测信息进行工业生产数据风险等级的评估，统一了工业生产数据风险等级的评估标准，并降低了人工成本。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种基于分类卷积神经网络模型的工业生产数据风险等级评估方法及系统。

背景技术

随着工业化和信息化的不断深入融合，工业生产数据的规模也在不断增长。现如今，工业生产数据作为一种新的生产要素，其蕴含了大量产品在生产、流通等各环节的重要信息。数据资源在保障国家经济社会快速稳定发展占重要的战略意义。由于工业生产数据的重要性，针对工业生产数据信息的泄露、篡改、损毁和窃取行为也越发频繁。尤其对于重要工业生产数据的攻击，可能引发重大生产安全事故和造成巨大的经济损失。因此，有必要对工业生产数据的安全性进行评估和预警。但是人为进行工业生产数据风险等级评估时，存在数据安全等级的评估标准存在差异，工业生产数据风险等级评估的人工成本较高的缺点。

发明内容

本发明的目的是提供一种工业生产数据风险等级评估方法及系统，统一了工业生产数据风险等级的评估标准，并降低了人工成本。

为实现上述目的，本发明提供了如下方案：

一种工业生产数据风险等级评估方法，包括：

获取工业生产数据；所述工业生产数据由工业生产设备产生；

根据所述工业生产数据的安全等级将所述工业生产数据存储到对应的数据库中；所述工业生产数据根据安全等级分为一般数据、重要数据和核心数据；

获取所述工业生产数据的监测信息；所述监测信息为所述数据库被访问时对应的流量信息或日志信息；

将所述监测信息输入至训练好的分类卷积神经网络模型中，得到所述监测信息对应的工业生产数据的风险等级；所述分类卷积神经网络模型为以样本监测信息为输入，以所述样本监测信息对应的工业生产数据的风险等级为标签训练的模型。

可选的，在所述将所述监测信息输入至训练好的分类卷积神经网络模型中之前，还包括：

将威胁到所述核心数据的安全对应的样本监测信息标记为高危；

将未威胁所述核心数据的安全，威胁到所述重要数据的安全对应的样本监测信息标记为中危；

将只威胁到所述一般数据的安全对应的样本监测信息标记为低危；所述高危、中危和低危用于作为样本监测信息的风险等级标签。

可选的，在所述将所述监测信息输入至训练好的分类卷积神经网络模型中之前，还包括：

步骤1：采用第一样本集对所述分类卷积神经网络模型进行训练；所述第一样本集包括若干个第一样本监测信息以及每个所述第一样本监测信息对应的风险等级标签；所述样本监测信息包括每个所述数据库对应的历史流量信息或历史日志信息；所述第一样本集中所述第一样本监测信息的数量小于预设值；

步骤2：采用第二样本集对步骤1得到的模型进行测试，若步骤1得到的模型未通过测试，则采用主动查询策略选取N个第三样本监测信息；N个所述第三样本监测信息为所述第二样本集中信息熵从高到低排序的前端N个第二样本监测信息；所述第二样本集包括若干个第二样本监测信息以及每个所述第二样本监测信息对应的风险等级标签；

步骤3：对N个所述第三样本监测信息进行人工标记，得到每个所述第三样本监测信息对应的风险等级标签；