CN111680209A - 一种基于人工智能的网络安全态势预测系统 - Google Patents
一种基于人工智能的网络安全态势预测系统 Download PDFInfo
- Publication number
- CN111680209A CN111680209A CN202010334656.2A CN202010334656A CN111680209A CN 111680209 A CN111680209 A CN 111680209A CN 202010334656 A CN202010334656 A CN 202010334656A CN 111680209 A CN111680209 A CN 111680209A
- Authority
- CN
- China
- Prior art keywords
- network
- module
- network event
- situation
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于人工智能的网络安全态势预测系统,具体涉及人工智能领域,包括态势察觉模块、态势理解模块和态势预测模块;其中,所述态势察觉模块包括网络事件记录模块和网络事件热度增加记录模块,所述态势理解模块包括网络事件发生原因分析模块、网络事件关联人物分析模块和网络事件对公众影响分析模块,所述态势预测模块包括网络事件热度预测模型。本发明通过态势察觉模块、态势理解模块和态势预测模块,对网络事件的热度进行实时预热分析,实现了对网络事件的实时监控,从而可以有效的对于网络事件作出相对应的控制效果,避免了网络管理员需要耗费大量时间分析管理事件的问题。
Description
技术领域
本发明涉及人工智能技术领域,更具体地说,本发明涉及一种基于人工智能的网络安全态势预测系统。
背景技术
网络安全态势感知是根据整体角度对网络安全状态进行了解、掌握,通过网络安全态势信息的整合做出评价,为网络管理员提供全面、直观、精确的决策参考。在对网络安全态势的监测中包含一项重要的内容,就是网络安全态势预测,通过对网络安全发展趋势的预测,找出潜在的威胁,提高管理员对于危险的预先处理能力,防控网络安全风险的出现。
随着互联网的广泛应用,网络攻击频繁出现,网络安全问题已经成为社会广泛关注的问题,现在网络安全维护手段有很多,各种杀毒软件和防火墙会拦截许多危险信息,网络管理员要处理海量的信息反馈难以把握好整个网络的安全状态,如果不能及时发现安全隐患就可能影响网络的正常运转。为了提高网络安全信息的处理能力,网络安全态势预测随之产生。
因此亟需提供一种新型的基于人工智能的网络安全态势预测系统。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于人工智能的网络安全态势预测系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于人工智能的网络安全态势预测系统,包括:态势察觉模块、态势理解模块和态势预测模块;其中,所述态势察觉模块包括网络事件记录模块和网络事件热度增加记录模块,所述态势理解模块包括网络事件发生原因分析模块、网络事件关联人物分析模块和网络事件对公众影响分析模块,所述态势预测模块包括网络事件热度预测模型,网络事件影响时间预测模型和网络事件对公众情绪利益化预测模型;
所述态势察觉模块、态势理解模块和态势预测模块均通过数据传输模块信号连接有数据库,所述数据库包括过往的网络事件、网络事件发生时间、网络事件热度增长趋势,网络事件对公众网络时间的占比模型;
其中,所述网络事件热度为网络事件关键词的点击率,所述网络事件关联人物分析模块为根据关联人物在网络事件中收到的影响进行预测,预测指标即正面评论词点击率和负面评论词点击率;
所述个人隐私保护模块包括私密信息判断系统、私密信息暴露判别系统、警告系统和报警系统,所述私密信息判断系统的信息包括个人隐私的姓名、手机号、住址和直系亲属信息,所述私密信息暴露判别系统判别标志为非个人信息注册账号发表的信息,所述警告系统指通过网络私信进行警告,所述报警系统指私人账号不顾警告系统的警告而进行实时报警系统。
优选的,所述网络事件记录模块记录网络事件发生的事件概括和网络事件之间影响者的身份,所述身份即职业身份。
优选的,所述网络事件发生原因分析模块为网络事件发生原因的预测,主要利用数据库网络事件发生原因进行联想预测。
优选的,所述网络事件对公众影响分析模块,即网络事件发生后对其影响发生的相关公众网络事件发生数量分析建模。
优选的,所述网络事件热度预测模型为热度上升、下降、外来事件热度大小对该网络事件热度影响模型。
优选的,所述网络事件影响时间预测模型为对比类似网络事件对公众影响时间的预测模型。
本发明的技术效果和优点:
1、本发明通过态势察觉模块、态势理解模块和态势预测模块,对网络事件的热度进行实时预热分析,实现了对网络事件的实时监控,从而可以有效的对于网络事件作出相对应的控制效果,避免了网络管理员需要耗费大量时间分析管理事件的问题。
2、本发明通过对网络事件与公众影响关系的预测,避免了无效化引导导致公众反感的问题,保证了合理化引导。
3、本发明通过个人隐私保护模块保护了个人网路的安全,避免了网络上多样化的事件和人物非理性状态对个人生活影响的问题。
具体实施方式
下面将结合本发明实施例中内容,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
一种基于人工智能的网络安全态势预测系统,包括:态势察觉模块、态势理解模块和态势预测模块;其中,所述态势察觉模块包括网络事件记录模块和网络事件热度增加记录模块,所述态势理解模块包括网络事件发生原因分析模块、网络事件关联人物分析模块和网络事件对公众影响分析模块,所述态势预测模块包括网络事件热度预测模型,网络事件影响时间预测模型和网络事件对公众情绪利益化预测模型;
所述态势察觉模块、态势理解模块和态势预测模块均通过数据传输模块信号连接有数据库,所述数据库包括过往的网络事件、网络事件发生时间、网络事件热度增长趋势,网络事件对公众网络时间的占比模型;
其中,所述网络事件热度为网络事件关键词的点击率,所述网络事件关联人物分析模块为根据关联人物在网络事件中收到的影响进行预测,预测指标即负面评论词点击率;
所述个人隐私保护模块包括私密信息判断系统、私密信息暴露判别系统、警告系统和报警系统,所述私密信息判断系统的信息包括个人隐私的姓名、手机号、住址和直系亲属信息,所述私密信息暴露判别系统判别标志为非个人信息注册账号发表的信息,所述警告系统指通过网络私信进行警告,所述报警系统指私人账号不顾警告系统的警告而进行实时报警系统。
所述网络事件记录模块记录网络事件发生的事件概括和网络事件之间影响者的身份,所述身份即职业身份,所述网络事件发生原因分析模块为网络事件发生原因的预测,主要利用数据库网络事件发生原因进行联想预测,所述网络事件对公众影响分析模块,即网络事件发生后对其影响发生的相关公众网络事件发生数量分析建模,所述网络事件热度预测模型为热度上升、下降、外来事件热度大小对该网络事件热度影响模型,所述网络事件影响时间预测模型为对比类似网络事件对公众影响时间的预测模型。
实施方式具体为:通过态势察觉模块、态势理解模块和态势预测模块,对网络事件的热度进行实时预热分析,实现了对网络事件的实时监控,从而可以有效的对于网络事件作出相对应的控制效果,避免了网络管理员需要耗费大量时间分析管理事件的问题,通过对网络事件与公众影响关系的预测,避免了无效化引导导致公众反感的问题,保证了合理化引导。
实施例2
一种基于人工智能的网络安全态势预测系统,包括:态势察觉模块、态势理解模块和态势预测模块;其中,所述态势察觉模块包括网络事件记录模块和网络事件热度增加记录模块,所述态势理解模块包括网络事件发生原因分析模块、网络事件关联人物分析模块和网络事件对公众影响分析模块,所述态势预测模块包括网络事件热度预测模型,网络事件影响时间预测模型和网络事件对公众情绪利益化预测模型;
所述态势察觉模块、态势理解模块和态势预测模块均通过数据传输模块信号连接有数据库,所述数据库包括过往的网络事件、网络事件发生时间、网络事件热度增长趋势,网络事件对公众网络时间的占比模型;
其中,所述网络事件热度为网络事件关键词的点击率,所述网络事件关联人物分析模块为根据关联人物在网络事件中收到的影响进行预测,预测指标即正面评论词点击率。
所述网络事件记录模块记录网络事件发生的事件概括和网络事件之间影响者的身份,所述身份即职业身份,所述网络事件发生原因分析模块为网络事件发生原因的预测,主要利用数据库网络事件发生原因进行联想预测,所述网络事件对公众影响分析模块,即网络事件发生后对其影响发生的相关公众网络事件发生数量分析建模,所述网络事件热度预测模型为热度上升、下降、外来事件热度大小对该网络事件热度影响模型,所述网络事件影响时间预测模型为对比类似网络事件对公众影响时间的预测模型。
最后应说明的几点是:首先,在本申请的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变,则相对位置关系可能发生改变;
其次:本发明公开实施例中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能的网络安全态势预测系统,其特征在于:包括:态势察觉模块、态势理解模块、态势预测模块和个人隐私保护模块;其中,所述态势察觉模块包括网络事件记录模块和网络事件热度增加记录模块,所述态势理解模块包括网络事件发生原因分析模块、网络事件关联人物分析模块和网络事件对公众影响分析模块,所述态势预测模块包括网络事件热度预测模型,网络事件影响时间预测模型和网络事件对公众情绪利益化预测模型;
所述态势察觉模块、态势理解模块和态势预测模块均通过数据传输模块信号连接有数据库,所述数据库包括过往的网络事件、网络事件发生时间、网络事件热度增长趋势,网络事件对公众网络时间的占比模型;
其中,所述网络事件热度为网络事件关键词的点击率,所述网络事件关联人物分析模块为根据关联人物在网络事件中收到的影响进行预测,预测指标即正面评论词点击率和负面评论词点击率;
所述个人隐私保护模块包括私密信息判断系统、私密信息暴露判别系统、警告系统和报警系统,所述私密信息判断系统的信息包括个人隐私的姓名、手机号、住址和直系亲属信息,所述私密信息暴露判别系统判别标志为非个人信息注册账号发表的信息,所述警告系统指通过网络私信进行警告,所述报警系统指私人账号不顾警告系统的警告而进行实时报警系统。
2.根据权利要求1所述的一种基于人工智能的网络安全态势预测系统,其特征在于:所述网络事件记录模块记录网络事件发生的事件概括和网络事件之间影响者的身份,所述身份即职业身份。
3.根据权利要求1所述的一种基于人工智能的网络安全态势预测系统,其特征在于:所述网络事件发生原因分析模块为网络事件发生原因的预测,主要利用数据库网络事件发生原因进行联想预测。
4.根据权利要求2所述的一种基于人工智能的网络安全态势预测系统,其特征在于:所述网络事件对公众影响分析模块,即网络事件发生后对其影响发生的相关公众网络事件发生数量分析建模。
5.根据权利要求2所述的一种基于人工智能的网络安全态势预测系统,其特征在于:所述网络事件热度预测模型为热度上升、下降、外来事件热度大小对该网络事件热度影响模型。
6.根据权利要求2所述的一种基于人工智能的网络安全态势预测系统,其特征在于:所述网络事件影响时间预测模型为对比类似网络事件对公众影响时间的预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334656.2A CN111680209A (zh) | 2020-04-24 | 2020-04-24 | 一种基于人工智能的网络安全态势预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010334656.2A CN111680209A (zh) | 2020-04-24 | 2020-04-24 | 一种基于人工智能的网络安全态势预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111680209A true CN111680209A (zh) | 2020-09-18 |
Family
ID=72452167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010334656.2A Withdrawn CN111680209A (zh) | 2020-04-24 | 2020-04-24 | 一种基于人工智能的网络安全态势预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680209A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112995161A (zh) * | 2021-02-09 | 2021-06-18 | 王先峰 | 一种基于人工智能的网络安全态势预测系统 |
CN113572764A (zh) * | 2021-07-23 | 2021-10-29 | 广东轻工职业技术学院 | 一种基于ai的工业互联网网络安全态势感知系统 |
CN112579904B (zh) * | 2020-12-25 | 2023-08-29 | 成都中科大旗软件股份有限公司 | 基于图谱关系与时间实现迁移传播的分析方法 |
-
2020
- 2020-04-24 CN CN202010334656.2A patent/CN111680209A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579904B (zh) * | 2020-12-25 | 2023-08-29 | 成都中科大旗软件股份有限公司 | 基于图谱关系与时间实现迁移传播的分析方法 |
CN112995161A (zh) * | 2021-02-09 | 2021-06-18 | 王先峰 | 一种基于人工智能的网络安全态势预测系统 |
CN113572764A (zh) * | 2021-07-23 | 2021-10-29 | 广东轻工职业技术学院 | 一种基于ai的工业互联网网络安全态势感知系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11032312B2 (en) | Programmatic discovery, retrieval, and analysis of communications to identify abnormal communication activity | |
US20220278997A1 (en) | Multistage analysis of emails to identify security threats | |
US20200396258A1 (en) | Retrospective learning of communication patterns by machine learning models for discovering abnormal behavior | |
CN111680209A (zh) | 一种基于人工智能的网络安全态势预测系统 | |
CN107958322B (zh) | 一种城市网络空间综合治理系统 | |
CN112187792A (zh) | 一种基于互联网的网络信息安全防护系统 | |
CN113168470A (zh) | 用于行为威胁检测的系统及方法 | |
Li et al. | Analyzing host security using D‐S evidence theory and multisource information fusion | |
CN107451476A (zh) | 基于云平台的网页后门检测方法、系统、设备及存储介质 | |
CN110020687B (zh) | 基于操作人员态势感知画像的异常行为分析方法及装置 | |
CN104509034A (zh) | 模式合并以识别恶意行为 | |
CN113168469B (zh) | 用于行为威胁检测的系统及方法 | |
CN115514562B (zh) | 一种用于数据安全预警方法及系统 | |
CN110830467A (zh) | 基于模糊预测的网络可疑资产识别方法 | |
KR20140035146A (ko) | 정보보안 장치 및 방법 | |
CA3078261A1 (en) | Systems and methods for cybersecurity risk assessment of users of a computer network | |
CN110795751A (zh) | 一种通过自然语言分析对敏感数据进行安全保护的方法 | |
CN111935189A (zh) | 工控终端策略控制系统及工控终端策略控制方法 | |
CN110798353B (zh) | 基于行为特征大数据分析的网络行为风险感知及防御方法 | |
CN113946560A (zh) | 一种数据库安全管理方法及系统 | |
CN110633572B (zh) | 对mes系统中的非预期操作进行安全防护检测的方法 | |
CN117478433B (zh) | 一种网络与信息安全动态预警系统 | |
Gaiceanu et al. | Intrusion detection on ics and scada networks | |
CN113971288A (zh) | 一种基于大数据技术智慧校园安全管控平台 | |
CN116684116A (zh) | 一种电力监控系统核心脆弱点发掘方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200918 |