本公開涉及網(wǎng)絡(luò)安全領(lǐng)域，尤其涉及一種網(wǎng)絡(luò)安全預(yù)測方法、裝置、電子設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、網(wǎng)絡(luò)安全態(tài)勢預(yù)測作為網(wǎng)絡(luò)安全態(tài)勢感知的重要組成部分，描述的是安全態(tài)勢隨時間動態(tài)變化的行為，具體是根據(jù)歷史態(tài)勢值預(yù)測未來態(tài)勢值。移動云云安全中心作為一款云上全方位的安全防護(hù)產(chǎn)品，功能眾多。在云安全中心的防暴力破解、動態(tài)蜜罐安全防護(hù)過程中，以及web后門、系統(tǒng)后門、異常登錄等威脅檢測功能模塊都涉及到網(wǎng)絡(luò)安全態(tài)勢預(yù)測。

2、典型的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法有灰色理論預(yù)測、時間序列預(yù)測等，但由于網(wǎng)絡(luò)安全態(tài)勢變化趨勢具有復(fù)雜性、非線性、時變性的特點(diǎn)，很多經(jīng)典預(yù)測方法的預(yù)測精度不夠理想。為避免上述問題，采用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行網(wǎng)絡(luò)安全預(yù)測逐漸成為主流趨勢，目前相關(guān)技術(shù)中通常采用“s型”、“relu型”函數(shù)作為神經(jīng)網(wǎng)絡(luò)激活函數(shù)，采用這種類型激活函數(shù)的神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練過程中容易出現(xiàn)梯度消失或梯度爆炸、均值偏移(非零均值)、收斂速度慢、稀疏表達(dá)能力弱、神經(jīng)元壞死等問題，從而會導(dǎo)致網(wǎng)絡(luò)安全預(yù)測精度較差的問題。

技術(shù)實現(xiàn)思路

1、本公開提供一種網(wǎng)絡(luò)安全預(yù)測方法、裝置、電子設(shè)備、介質(zhì)及產(chǎn)品，以解決相關(guān)技術(shù)中的問題，通過利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，從而緩解了模型使用時產(chǎn)生的梯度消失、梯度爆炸、神經(jīng)元壞死等問題，提高了模型的收斂速度和網(wǎng)絡(luò)安全預(yù)測的準(zhǔn)確性。

2、本公開的第一方面實施例提出了一種網(wǎng)絡(luò)安全預(yù)測方法，該方法包括：獲取網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集；基于網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，確定預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集；基于輸出參數(shù)集，確定預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)；基于隱藏層狀態(tài)參數(shù)，確定網(wǎng)絡(luò)安全預(yù)測結(jié)果。

3、在本公開的一些實施例中，基于網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，確定預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集包括：對安全事態(tài)數(shù)據(jù)預(yù)處理，以獲取預(yù)處理數(shù)據(jù)集；基于預(yù)處理數(shù)據(jù)集，確定預(yù)處理數(shù)據(jù)集的數(shù)據(jù)矩陣；基于數(shù)據(jù)矩陣中的矩陣特征、預(yù)訓(xùn)練模型中的目標(biāo)網(wǎng)絡(luò)權(quán)重和目標(biāo)偏執(zhí)量，利用三角震蕩彌散函數(shù)，確定預(yù)訓(xùn)練模型的輸入門輸出參數(shù)、輸出門輸出參數(shù)和遺忘門輸出參數(shù)。

4、在本公開的一些實施例中，預(yù)處理包括數(shù)據(jù)過濾處理、標(biāo)準(zhǔn)化處理、數(shù)值化處理和時間序列化處理中的至少一項。

5、在本公開的一些實施例中，基于輸出參數(shù)集，確定預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)包括：基于輸入門輸出參數(shù)和遺忘門輸出參數(shù)，利用逐點(diǎn)乘積法，確定預(yù)訓(xùn)練模型中記憶單元輸出參數(shù)；基于輸出門輸出參數(shù)和記憶單元輸出參數(shù)，利用逐點(diǎn)乘積法，確定隱藏層狀態(tài)參數(shù)。

6、在本公開的一些實施例中，方法還包括：獲取訓(xùn)練樣本集；基于訓(xùn)練樣本集，確定訓(xùn)練樣本集對應(yīng)的安全事態(tài)值；基于訓(xùn)練樣本集和安全事態(tài)值，對待訓(xùn)練模型的網(wǎng)絡(luò)權(quán)重和偏執(zhí)量進(jìn)行迭代，以獲取預(yù)訓(xùn)練模型。

7、在本公開的一些實施例中，，基于訓(xùn)練樣本集和安全事態(tài)值，對待訓(xùn)練模型的網(wǎng)絡(luò)權(quán)重和偏執(zhí)量進(jìn)行迭代，以獲取預(yù)訓(xùn)練模型包括：基于訓(xùn)練樣本集和安全事態(tài)值，根據(jù)預(yù)設(shè)損失函數(shù)，利用一階優(yōu)化算法，對待訓(xùn)練模型的網(wǎng)絡(luò)權(quán)重和偏執(zhí)量進(jìn)行迭代；當(dāng)利用預(yù)設(shè)損失函數(shù)計算獲得的誤差值小于預(yù)設(shè)值時，將對應(yīng)的網(wǎng)絡(luò)權(quán)重和偏執(zhí)量確定為目標(biāo)網(wǎng)絡(luò)權(quán)重和目標(biāo)偏執(zhí)量；將目標(biāo)網(wǎng)絡(luò)權(quán)重和目標(biāo)帶入待訓(xùn)練模型中，以獲取預(yù)訓(xùn)練模型。

8、本公開的第二方面實施例提出了一種網(wǎng)絡(luò)安全預(yù)測裝置，該裝置包括：獲取單元，用于獲取網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集；第一處理單元，用于基于網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，確定預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集；第二處理單元，用于基于輸出參數(shù)集，確定預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)；預(yù)測單元，用于基于隱藏層狀態(tài)參數(shù)，確定網(wǎng)絡(luò)安全預(yù)測結(jié)果。

9、本公開的第三方面實施例提出了一種電子設(shè)備，包括：處理器和用于存儲能夠在處理器上運(yùn)行的計算機(jī)程序的存儲器，其中，處理器用于運(yùn)行計算機(jī)程序時，執(zhí)行本公開第一方面實施例中描述的方法。

10、本公開的第四方面實施例提出了一種存儲有計算機(jī)指令的非瞬時計算機(jī)可讀存儲介質(zhì)，其中，計算機(jī)指令用于使計算機(jī)執(zhí)行本公開第一方面實施例中描述的方法。

11、本公開的第五方面實施例提出了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，計算機(jī)程序在被處理器執(zhí)行時實現(xiàn)本公開第一方面實施例中描述的方法。

12、綜上，根據(jù)本公開提出的網(wǎng)絡(luò)安全預(yù)測方法，包括：獲取網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集；基于網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，確定預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集；基于輸出參數(shù)集，確定預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)；基于隱藏層狀態(tài)參數(shù)，確定網(wǎng)絡(luò)安全預(yù)測結(jié)果。本公開的方法通過利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，從而緩解了模型使用時產(chǎn)生的梯度消失、梯度爆炸、神經(jīng)元壞死等問題，提高了模型的收斂速度和網(wǎng)絡(luò)安全預(yù)測的準(zhǔn)確性。

技術(shù)特征：

1.一種網(wǎng)絡(luò)安全預(yù)測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，確定所述預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)處理包括數(shù)據(jù)過濾處理、標(biāo)準(zhǔn)化處理、數(shù)值化處理和時間序列化處理中的至少一項。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述輸出參數(shù)集，確定所述預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述訓(xùn)練樣本集和所述安全事態(tài)值，對待訓(xùn)練模型的網(wǎng)絡(luò)權(quán)重和偏執(zhí)量進(jìn)行迭代，以獲取預(yù)訓(xùn)練模型包括：

7.一種網(wǎng)絡(luò)安全預(yù)測裝置，其特征在于，所述裝置包括：

8.一種電子設(shè)備，其特征在于，包括：處理器和用于存儲能夠在處理器上運(yùn)行的計算機(jī)程序的存儲器，

9.一種存儲有計算機(jī)指令的非瞬時計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)指令用于使所述計算機(jī)執(zhí)行根據(jù)權(quán)利要求1-6中任一項所述的方法。

10.一種計算機(jī)程序產(chǎn)品，其特征在于，包括計算機(jī)程序，所述計算機(jī)程序在被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-6中任一項所述的方法。

技術(shù)總結(jié)
本公開提供一種網(wǎng)絡(luò)安全預(yù)測方法、裝置、電子設(shè)備、介質(zhì)及產(chǎn)品，涉及網(wǎng)絡(luò)安全領(lǐng)域，該方法包括：獲取網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集；基于網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集，利用預(yù)訓(xùn)練模型中的三角震蕩彌散(riangular?oscillation?dispersion，TOD)函數(shù)，確定預(yù)訓(xùn)練模型中神經(jīng)網(wǎng)絡(luò)門控單元的輸出參數(shù)集；基于輸出參數(shù)集，確定預(yù)訓(xùn)練模型中隱藏層狀態(tài)參數(shù)；基于隱藏層狀態(tài)參數(shù)，確定網(wǎng)絡(luò)安全預(yù)測結(jié)果。本公開的方法通過利用預(yù)訓(xùn)練模型中的三角震蕩彌散函數(shù)，從而緩解了模型使用時產(chǎn)生的梯度消失、梯度爆炸、神經(jīng)元壞死等問題，提高了模型的收斂速度和網(wǎng)絡(luò)安全預(yù)測的準(zhǔn)確性。

技術(shù)研發(fā)人員：周月,張帥
受保護(hù)的技術(shù)使用者：中移（蘇州）軟件技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10