CN118748600B 一种基于大数据的网络信息安全分析方法和系统 （北京码上跳动科技有限公司）

开发区荣华南路2号院2号楼5层510-8室一种基于大数据的网络信息安全分析方法本发明提供一种基于大数据的网络信息安全分析方法和系统，涉及网络信息安全技术领数据采集器，采集网络中的实时数据和历史数2在当前时间周期的多个时刻，通过设置在网络关键节点的根据已训练的网络流量预测模型，对所述配置信息根据所述当前时间周期的多个时刻的实时数据、所述预测网络根据所述当前时间周期的多个时刻的实时数据、所述预测网络根据所述网络流量、所述预测网络流量数据和所述实时天气数据根据所述网络流量、所述预测网络流量数据和所述实时天气数据3为用户在当前时间周期的登陆方式，LaTc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆时间，LaIc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆IP地址，LaMc为用户在与当前时间周期的开始时刻相同的第c个历史时间通过网络流量预测模型，对当前日期的前一个历史日期中的多个时获取当前日期的前一个历史日期中的多个时间周期内的多个时刻的历史网络流量数根据所述历史配置信息、所述用户行为影响系数、所根据所述训练损失函数，对所述网络流量预测模型进行训练，3.根据权利要求2所述的基于大数据的网络信息安全分析方法，根据所述历史用户行确定当前日期的前一个历史日期中的第k个时间周期的第j个时刻的用户行为影响系数Uk,jθ2和θ3为预设权值，FSk,i,j为当前日期的前一个历史日44.根据权利要求3所述的基于大数据的网络信息安全分析方法，根据所述历史配置信期中的第k个时间周期的第j个时刻的网络第k个时间周期的第j个时刻的预测网络流量数据，Nk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的网络流量整形配置信息，Ik,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的接口带宽配置信息，Rk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的路由配置信息，Sk,j为当前日期的前一个历史日期中的中的第k个时间周期的第j个时刻的用户行为影响系数，K为前一个历史日期中时间周期的5.一种用于执行权利要求1_4中任一项所述的方法的基于大数据的网络信息安全分析天气数据采集模块，在当前时间周期的多个时刻，获取网络设模型训练模块，使用所述历史数据对网络流量预测模型进行训5流量预测模型，根据已训练的网络流量预测模型，对所述异常系数模块，根据所述当前时间周期的多个时刻的实时序指令被处理器执行时实现如权利要求1_6[0002]在相关技术中，CN117478349A公开了一种基于大数据的网络息来源的等级和账号信用度获取信息来源指数；根据信息质量的等级获取信息质量指数；将对应的网络信息标记为危险信息；安全报警模块将标记为危险信息的网络信息进行删[0005]公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理无法根据网络流量和用户行为对网络信息安全进行全面分[0007]根据本发明的实施例的第一方面，提供一种基于大数据的网络信息安全分析方7[0011]根据已训练的网络流量预测模型，对所述配置信息和所述用户行为数据进行处测模型对于当前网络配置环境和用户行为的适应性，提高了网络流量预测结果的准确性，8[0024]图1示例性地示出根据本发明实施例的基于大数据的网络信息安全分析方法的流[0025]图2示例性地示出根据本发明实施例的基于大数据的网络信息安全分析系统的框[0028]图1示例性地示出根据本发明实施例的基于大数据的网络信息安全分析方法的流9练网络流量预测模型，提升网络流量预测模型对于当前网络配置环境和用户行为的适应[0044]获取当前日期的前一个历史日期中的多个时间周期内的多个时刻的历史网络流包括：根据公式(1)确定当前日期的前一个历史日期中的第k个时间周期的第j个时刻的用前一个历史日期中的第k个时间周期的第j个时刻的页面访问量，PT为预设页面流量阈值，Ak,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的应用程序数，AT为预[0051]根据本发明的一个实施例，为当前日期的前一个历史日期中的第k个时间周期的第j个时刻传输的所有文件消耗的网络流量的总和，与预设文件流量阈值的比个时间周期的第j个时刻的访问页面消耗的网络流量与预设页面流量阈值的比值，该比值k,j,p为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的预测网络流k,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的网络流量整k,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的接口带k,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的路由配k,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的安全配置信k,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的用户行[0058]根据本发明的一个实施例，为当前日期的前一个历史日期中的第k个时间周和安全配置信息的变化对于预测网络流量数据的误差的影响越小。为网络流弦相似度越接近1，网络流量整形配置信息变化对预测网络流量数据的误差的影响越小。息中的均衡负载功能能够将网络流量分散到多个路径或设备上，确保网络流量的高效传测网络流量数据的误差的影响也越大，将网络流量整形配置信息相关的项放在分母的位为当前日期的前一个历史日期的第k个时间周期的第j个时刻的网络流量数据与预测网络基于该影响，以及预测网络流量数据的相对误差和用户行为影响系数来设置训练损失函符合短暂性变化的部分。NFip+表示当前时间周期的第j个时刻的考虑天气因素影响后的预测网络流量数据，表示当前时间周期的第j个时为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆时间，LaIc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆IP地址，LaMc为用户在与的用户登陆向量，为与当前时间周期的开始时刻相同的第c个历史时间周期的历[0079]根据本发明的一个实施例，为当前时间周期的用户登陆向量与当前时间周期的开始时刻相同的第c个历史时间周期的历史用户登陆向量的余弦相似度，此状况存在异常的可能性越小，为取当前时间周期的用户登陆向量[0080]根据本发明的一个实施例，在公式(4)中通过条件函数的形式来表示以下两种情时，条件函数的值为表示用户在当前时间周期内触发安全事件的练网络流量预测模型，提升网络流量预测模型对于当前网络配置环境和用户行为的适应于该