CN116308721B - 一种信息监督管理方法、装置、电子设备及存储介质 - Google Patents
一种信息监督管理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116308721B CN116308721B CN202310525986.3A CN202310525986A CN116308721B CN 116308721 B CN116308721 B CN 116308721B CN 202310525986 A CN202310525986 A CN 202310525986A CN 116308721 B CN116308721 B CN 116308721B
- Authority
- CN
- China
- Prior art keywords
- network
- event
- index
- decision
- events
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 238000005065 mining Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息监督管理方法、装置、电子设备及存储介质,涉及网络信息监督技术领域。实时监督网络信息,获取各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;对原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;根据决策指标矩阵确定各网络事件对应的紧急度,对各网络事件进行管理。通过计算网络信息数据集信息熵值可以更加容易将网络信息数据集信息构建为相应的时间序列,然后依据时间序列进行关联规则挖掘并确定每一网络事件对应的紧急度,可以降低决策时间并提升决策精度。
Description
技术领域
本发明涉及网络信息监督技术领域,具体涉及一种信息监督管理方法、装置、电子设备及存储介质。
背景技术
随着互联网的快速发展,网络信息事件频繁发生。网络信息是指在一定的社会空间内,通过网络传播的公众对现实生活中某些焦点问题所持有的倾向性言论和观点。负面的网络信息会给社会和他人造成不良影响,特别是用户群体庞大、覆盖范围广泛的银行,负面的网络信息会影响银行的社会形象和声誉,阻碍银行的未来发展。
现有技术中的网络信息的监督管理方法存在决策精度低、决策时间长的问题。
发明内容
本发明的目的就在于解决上述背景技术的问题,而提出一种信息监督管理方法、装置、电子设备及存储介质。
本发明的目的可以通过以下技术方案实现:
本发明实施例第一方面提供了一种信息监督管理方法,所述方法包括:
实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;
根据所述决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。
可选地,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集包括:
针对每一网络信息数据集,确定该网络事件的一组随机事件;
计算其中不同网络地址的信息熵值,得到原始指标集:,其中,/>为网络事件/>第/>个网络地址的信息熵值,N为该网络事件中随机事件的总数,/>该网络事件中第/>个随机事件中第/>个网络地址出现的次数。
可选地,对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集包括:
对所述原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
对所述原始指标集进行第二次扫描,建立各网络事件的时间序列集;
根据时间序列集对所述频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将所述频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
可选地,根据所述决策指标矩阵确定各网络事件对应的紧急度包括:
采用熵权法确定各事件决策指标的客观权重:,其中,/>为第/>个事件决策指标的客观权重,/>为所述决策指标矩阵,/>为事件决策指标的总数;
根据各事件决策指标的客观权重计算各网络事件对应的紧急度:,其中,/>为第/>个网络事件对于第/>个事件决策指标的评估值,/>为根据网络事件的评估值创建的/>行/>列的可能性矩阵,/>为网络事件的总数。
本发明实施例第二方面还提供了一种信息监督管理装置,所述装置包括:
原始指标集获取模块,用于实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
关联规则挖掘模块,用于对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
策指标矩阵构建模块,用于根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;
网络事件管理模块,用于根据所述决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。
可选地,原始指标集获取模块包括分组模块和原始指标集计算模块:
分组模块,用于针对每一网络信息数据集,确定该网络事件的一组随机事件;
原始指标集计算模块,用于计算其中不同网络地址的信息熵值,得到原始指标集:,其中,/>为网络事件/>第/>个网络地址的信息熵值,N为该网络事件中随机事件的总数,/>该网络事件中第/>个随机事件中第/>个网络地址出现的次数。
可选地,关联规则挖掘模块包括第一扫描模块、第二扫描模块和挖掘模块;其中:
第一扫描模块,用于对所述原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
第二扫描模块,用于对所述原始指标集进行第二次扫描,建立各网络事件的时间序列集;
挖掘模块,用于根据时间序列集对所述频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将所述频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
可选地,网络事件管理模块包括紧急度计算模块;所述急度计算模块包括第一计算模块和第二计算模块;
所述第一计算模块,用于采用熵权法确定各事件决策指标的客观权重:,其中,/>为第/>个事件决策指标的客观权重,/>为所述决策指标矩阵,为事件决策指标的总数;
所述第二计算模块,用于根据各事件决策指标的客观权重计算各网络事件对应的紧急度:,其中,/>为第/>个网络事件对于第/>个事件决策指标的评估值,/>为根据网络事件的评估值创建的/>行/>列的可能性矩阵,/>为网络事件的总数。
本发明实施例第三方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的方法步骤。
本发明实施例第四方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的方法步骤。
本发明的有益效果:
本发明实施例提供了一种信息监督管理方法,方法包括:实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;对原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;根据决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。通过计算网络信息数据集信息熵值可以更加容易将网络信息数据集信息构建为相应的时间序列,然后依据时间序列进行关联规则挖掘并确定每一网络事件对应的紧急度,可以降低决策时间并提升决策精度。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种信息监督管理方法的流程图;
图2为本发明实施例还提供的一种信息监督管理装置的结构图;
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供了一种信息监督管理方法。参见图1,图1为本发明实施例提供的一种信息监督管理方法的流程图。方法包括:
S101,实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集。
S102,对原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集。
S103,根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵。
S104,根据决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。
基于本发明实施例提供的一种信息监督管理方法,通过计算网络信息数据集信息熵值可以更加容易将网络信息数据集信息构建为相应的时间序列,然后依据时间序列进行关联规则挖掘并确定每一网络事件对应的紧急度,可以降低决策时间并提升决策精度。
一种实现方式中,针对每一网络事件,将对应的关联指标集作为行向量与作为列向量的预设事件决策指标构相乘,可以得到建决策指标矩阵。
一种实现方式中,预设事件决策指标可以事先由多个应急决策专家(假设专家地位平等)对应急决策指标进行在线问卷调查,选取关键应急决策指标;然后,根据他们的知识、经验和区域内网络信息危机监测数据,对所有网络信息突发事件的各项应急决策指标进行初步评估。
在一个实施例中,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集包括:
针对每一网络信息数据集,确定该网络事件的一组随机事件;
计算其中不同网络地址的信息熵值,得到原始指标集:,其中,/>为网络事件/>第/>个网络地址的信息熵值,N为该网络事件中随机事件的总数,/>该网络事件中第/>个随机事件中第/>个网络地址出现的次数。
在一个实施例中,对原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集包括:
对原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
对原始指标集进行第二次扫描,建立各网络事件的时间序列集;
根据时间序列集对频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
在一个实施例中,根据决策指标矩阵确定各网络事件对应的紧急度包括:
采用熵权法确定各事件决策指标的客观权重:,其中,/>为第个事件决策指标的客观权重,/>为所述决策指标矩阵,/>为事件决策指标的总数;
根据各事件决策指标的客观权重计算各网络事件对应的紧急度:,其中,/>为第/>个网络事件对于第/>个事件决策指标的评估值,/>为根据网络事件的评估值创建的/>行/>列的可能性矩阵,/>为网络事件的总数。
基于相同的发明构思本发明实施例还提供了一种信息监督管理装置,参见图2,图2为本发明实施例还提供的一种信息监督管理装置的结构图,装置包括:
原始指标集获取模块,用于实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
关联规则挖掘模块,用于对原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
策指标矩阵构建模块,用于根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;
网络事件管理模块,用于根据决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。
基于本发明实施例提供的一种信息监督管理装置,通过计算网络信息数据集信息熵值可以更加容易将网络信息数据集信息构建为相应的时间序列,然后依据时间序列进行关联规则挖掘并确定每一网络事件对应的紧急度,可以降低决策时间并提升决策精度。
在一个实施例中,原始指标集获取模块包括分组模块和原始指标集计算模块:
分组模块,用于针对每一网络信息数据集,确定该网络事件的一组随机事件;
原始指标集计算模块,用于计算其中不同网络地址的信息熵值,得到原始指标集:,其中,/>为网络事件/>第/>个网络地址的信息熵值,N为该网络事件中随机事件的总数,/>该网络事件中第/>个随机事件中第/>个网络地址出现的次数。
在一个实施例中,关联规则挖掘模块包括第一扫描模块、第二扫描模块和挖掘模块;其中:
第一扫描模块,用于对原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
第二扫描模块,用于对原始指标集进行第二次扫描,建立各网络事件的时间序列集;
挖掘模块,用于根据时间序列集对频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
在一个实施例中,网络事件管理模块包括紧急度计算模块;急度计算模块包括第一计算模块和第二计算模块;
第一计算模块,用于采用熵权法确定各事件决策指标的客观权重:,其中,/>为第/>个事件决策指标的客观权重,/>为所述决策指标矩阵,/>为事件决策指标的总数;
第二计算模块,用于根据各事件决策指标的客观权重计算各网络事件对应的紧急度:,其中,/>为第/>个网络事件对于第/>个事件决策指标的评估值,/>为根据网络事件的评估值创建的/>行/>列的可能性矩阵,/>为网络事件的总数。
本发明实施例还提供了一种电子设备,如图3所示,包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信,
存储器303,用于存放计算机程序;
处理器301,用于执行存储器303上所存放的程序时,实现如下步骤:
实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;
根据所述决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一一种信息监督管理方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一一种信息监督管理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备及存储介质而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.一种信息监督管理方法,其特征在于,所述方法包括:
实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;构建决策指标矩阵的方式为:针对每一网络事件,将对应的关联指标集作为行向量与作为列向量的预设事件决策指标相乘,得到决策指标矩阵;
根据所述决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理;
针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集包括:
针对每一网络信息数据集,确定该网络事件的一组随机事件;
计算其中不同网络地址的信息熵值,得到原始指标集:
其中,Hj(X)为网络事件X第j个网络地址的信息熵值,N为该网络事件中随机事件的总数,nij该网络事件中第i个随机事件中第j个网络地址出现的次数;
根据所述决策指标矩阵确定各网络事件对应的紧急度包括:
采用熵权法确定各事件决策指标的客观权重:
其中,βi为第j个事件决策指标的客观权重,R为所述决策指标矩阵,m为事件决策指标的总数;
根据各事件决策指标的客观权重计算各网络事件对应的紧急度:
其中,[rij -,rij +]为第i个网络事件对于第j个事件决策指标的评估值,P为根据网络事件的评估值创建的n行m列的可能性矩阵,n为网络事件的总数;
对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集包括:
对所述原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
对所述原始指标集进行第二次扫描,建立各网络事件的时间序列集;
根据时间序列集对所述频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将所述频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
2.一种信息监督管理装置,其特征在于,所述装置包括:
原始指标集获取模块,用于实时监督网络信息,获取预设时间段内各网络事件对应的网络信息数据集,针对每一网络信息数据集,计算其中各随机事件的信息熵值,得到原始指标集;
关联规则挖掘模块,用于对所述原始指标集进行基于时间序列的关联规则挖掘,得到网络事件对应的关联指标集;
策指标矩阵构建模块,用于根据各网络事件对应的关联指标集与预设事件决策指标构建决策指标矩阵;构建决策指标矩阵的方式为:针对每一网络事件,将对应的关联指标集作为行向量与作为列向量的预设事件决策指标相乘,得到决策指标矩阵;
网络事件管理模块,用于根据所述决策指标矩阵确定各网络事件对应的紧急度,依据紧急度对各网络事件进行管理;
原始指标集获取模块包括分组模块和原始指标集计算模块:
分组模块,用于针对每一网络信息数据集,确定该网络事件的一组随机事件;
原始指标集计算模块,用于计算其中不同网络地址的信息熵值,得到原始指标集:
其中,Hj(X)为网络事件X第j个网络地址的信息熵值,N为该网络事件中随机事件的总数,nij该网络事件中第i个随机事件中第j个网络地址出现的次数;
网络事件管理模块包括紧急度计算模块;所述急度计算模块包括第一计算模块和第二计算模块;
所述第一计算模块,用于采用熵权法确定各事件决策指标的客观权重:
其中,βi为第j个事件决策指标的客观权重,R为所述决策指标矩阵,m为事件决策指标的总数;
所述第二计算模块,用于根据各事件决策指标的客观权重计算各网络事件对应的紧急度:
其中,[rij -,rij +]为第i个网络事件对于第j个事件决策指标的评估值,P为根据网络事件的评估值创建的n行m列的可能性矩阵,n为网络事件的总数;
关联规则挖掘模块包括第一扫描模块、第二扫描模块和挖掘模块;其中:
第一扫描模块,用于对所述原始指标集进行第一次扫描,得到频繁事件的集合和对应的最小支持度,将频繁事件按照最小支持度降序排列得到频繁项集;
第二扫描模块,用于对所述原始指标集进行第二次扫描,建立各网络事件的时间序列集;
挖掘模块,用于根据时间序列集对所述频繁项集进行关联规则挖掘,压缩各频繁事件并保留频繁事件之间的关联信息,然后将所述频繁项集存储在时间序列的集合中,得到事件对应的关联指标集。
3.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1所述的方法。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525986.3A CN116308721B (zh) | 2023-05-11 | 2023-05-11 | 一种信息监督管理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525986.3A CN116308721B (zh) | 2023-05-11 | 2023-05-11 | 一种信息监督管理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308721A CN116308721A (zh) | 2023-06-23 |
CN116308721B true CN116308721B (zh) | 2023-10-20 |
Family
ID=86781761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525986.3A Active CN116308721B (zh) | 2023-05-11 | 2023-05-11 | 一种信息监督管理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308721B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134555A (en) * | 1997-03-10 | 2000-10-17 | International Business Machines Corporation | Dimension reduction using association rules for data mining application |
CN101853261A (zh) * | 2009-11-23 | 2010-10-06 | 电子科技大学 | 一种基于社会网络的网络舆情行为分析方法 |
CN102722534A (zh) * | 2012-05-21 | 2012-10-10 | 中国标准化研究院 | 基于网络信息的事件严重度评价方法和系统 |
CN103246818A (zh) * | 2013-05-15 | 2013-08-14 | 西北工业大学 | 基于信息熵的topsis法多目标威胁排序方法 |
CN104699755A (zh) * | 2015-01-07 | 2015-06-10 | 中国电子科技集团公司第三十研究所 | 一种基于数据挖掘的智能化多目标综合识别方法 |
CN110351260A (zh) * | 2019-06-28 | 2019-10-18 | 广州准星信息科技有限公司 | 一种内网攻击预警方法、装置及存储介质 |
CN113010597A (zh) * | 2021-04-06 | 2021-06-22 | 东北大学 | 一种面向海洋大数据的并行关联规则挖掘方法 |
CN113191646A (zh) * | 2021-05-07 | 2021-07-30 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 多灾种预警信息发布优先级的确定方法 |
CN114499956A (zh) * | 2021-12-24 | 2022-05-13 | 广州电力设计院有限公司 | 一种网络信息安全风险评估系统及其方法 |
WO2022143025A1 (zh) * | 2020-12-31 | 2022-07-07 | 中兴通讯股份有限公司 | 基于联邦学习的告警关联检测方法、系统、网络及介质 |
CN115086139A (zh) * | 2021-03-12 | 2022-09-20 | 中国移动通信集团四川有限公司 | 通信网络告警故障处理优先级调整方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11150630B2 (en) * | 2017-10-19 | 2021-10-19 | International Business Machines Corporation | Predictive maintenance utilizing supervised sequence rule mining |
-
2023
- 2023-05-11 CN CN202310525986.3A patent/CN116308721B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134555A (en) * | 1997-03-10 | 2000-10-17 | International Business Machines Corporation | Dimension reduction using association rules for data mining application |
CN101853261A (zh) * | 2009-11-23 | 2010-10-06 | 电子科技大学 | 一种基于社会网络的网络舆情行为分析方法 |
CN102722534A (zh) * | 2012-05-21 | 2012-10-10 | 中国标准化研究院 | 基于网络信息的事件严重度评价方法和系统 |
CN103246818A (zh) * | 2013-05-15 | 2013-08-14 | 西北工业大学 | 基于信息熵的topsis法多目标威胁排序方法 |
CN104699755A (zh) * | 2015-01-07 | 2015-06-10 | 中国电子科技集团公司第三十研究所 | 一种基于数据挖掘的智能化多目标综合识别方法 |
CN110351260A (zh) * | 2019-06-28 | 2019-10-18 | 广州准星信息科技有限公司 | 一种内网攻击预警方法、装置及存储介质 |
WO2022143025A1 (zh) * | 2020-12-31 | 2022-07-07 | 中兴通讯股份有限公司 | 基于联邦学习的告警关联检测方法、系统、网络及介质 |
CN115086139A (zh) * | 2021-03-12 | 2022-09-20 | 中国移动通信集团四川有限公司 | 通信网络告警故障处理优先级调整方法及装置 |
CN113010597A (zh) * | 2021-04-06 | 2021-06-22 | 东北大学 | 一种面向海洋大数据的并行关联规则挖掘方法 |
CN113191646A (zh) * | 2021-05-07 | 2021-07-30 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 多灾种预警信息发布优先级的确定方法 |
CN114499956A (zh) * | 2021-12-24 | 2022-05-13 | 广州电力设计院有限公司 | 一种网络信息安全风险评估系统及其方法 |
Non-Patent Citations (1)
Title |
---|
谢奇爱.基于大数据关联规则的网络恶意行为识别检测.《合肥学院学报》.2021,第38卷(第2期),第86-91页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116308721A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112163963B (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
CN111177473A (zh) | 人员关系分析方法、装置和可读存储介质 | |
CN111898247B (zh) | 滑坡位移预测方法、设备及存储介质 | |
CN110705821A (zh) | 基于多评价维度的热点学科预测方法、装置、终端、及介质 | |
CN114565196B (zh) | 基于政务热线的多事件趋势预判方法、装置、设备及介质 | |
CN112669078A (zh) | 一种行为预测模型训练方法、装置、设备及存储介质 | |
CN114399321A (zh) | 一种业务系统稳定性分析方法、装置和设备 | |
CN111740865A (zh) | 一种流量波动趋势预测方法、装置及电子设备 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
US20140280216A1 (en) | Automated ranking of contributors to a knowledge base | |
CN107832578A (zh) | 基于态势变化模型的数据处理方法及装置 | |
CN116308721B (zh) | 一种信息监督管理方法、装置、电子设备及存储介质 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
Almomani et al. | Selecting a good stochastic system for the large number of alternatives | |
CN116091111A (zh) | 产品需求量预测方法、装置、电子设备及存储介质 | |
CN113076487B (zh) | 一种用户兴趣表征及内容推荐方法、装置和设备 | |
CN115391666A (zh) | 医院在线推荐方法、装置、计算机设备和存储介质 | |
CN113868373A (zh) | 一种词云生成方法、装置、电子设备及存储介质 | |
CN113342474A (zh) | 客户流量的预测、模型训练的方法、设备及存储介质 | |
CN109344047B (zh) | 系统回归测试方法、计算机可读存储介质和终端设备 | |
CN111078945A (zh) | 视频推送方法及装置 | |
CN113760172A (zh) | 一种分片分配方法、装置及电子设备 | |
CN112667398B (zh) | 资源调度方法、装置、电子设备及存储介质 | |
CN117892822A (zh) | 一种模型推理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |