CN116800536A - 一种基于大数据分析的网络安全监测系统 - Google Patents
一种基于大数据分析的网络安全监测系统 Download PDFInfo
- Publication number
- CN116800536A CN116800536A CN202310944878.XA CN202310944878A CN116800536A CN 116800536 A CN116800536 A CN 116800536A CN 202310944878 A CN202310944878 A CN 202310944878A CN 116800536 A CN116800536 A CN 116800536A
- Authority
- CN
- China
- Prior art keywords
- data
- network
- analysis
- module
- security monitoring
- 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- Withdrawn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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 238000007405 data analysis Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims abstract description 7
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009545 invasion Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 2
- 230000003139 buffering effect Effects 0.000 claims description 2
- 238000005206 flow analysis Methods 0.000 claims description 2
- 230000009469 supplementation Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
- H04L63/0227—Filtering policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1433—Vulnerability analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种基于大数据分析的网络安全监测系统，涉及网络安全监测技术领域，包括网络数据获取模块、数据存储模块、大数据分析处理模块、安全监测模块和预警反馈模块。本发明通过大数据分析处理模块对海量网络数据的数据清洗、数据转换和数据聚类处理，提高网络安全监测的精度和适配性，并通过对网络入侵行为的检测和安全分析，使得本系统能够预测网络安全风险并对入侵行为进行溯源分析，在网络异常行为发生时快速发现，与监控终端进行行为信息反馈，进而实现快速应急响应，通过利用网络数据获取模块对网络中各节点信息进行采集处理，提高网络监测的范围。
Description
技术领域
本发明涉及网络安全监测技术领域，具体为一种基于大数据分析的网络安全监测系统。
背景技术
互联网的飞速发展为人类的生产生活带来了极大的便利，同时也对当前的互联网安全形成了一定的挑战，并暴露出了由于网络安全技术漏洞、安全漏洞等诸多因素引起的网络安全问题。
如中国专利号为：CN115987695A的“一种基于大数据分析的网络安全监测系统”，包括数据接收模块、数据分类模块、安全监测模块、分布式数据库和数据备份模块；数据接收模块用于对不同IP所上传或编辑的网络信息、网络数据和网络内容进行收集，得到IP编辑数据；云端服务器接收到IP编辑数据后，利用数据分类模块对缓存的IP编辑数据进行监测系数分析，生成IP编辑数据的监测优先表；提高数据监测效率；安全监测模块用于判断IP编辑数据是否存在网络危险；数据备份模块用于对不存在危险的IP编辑数据进行备份；并选取空余系数最大的存储区块作为选中区块。
但现有技术中，目前网络安全监测对海量网络数据的分析处理能力较弱，在网络监测过程中存在监测范围小、监测精度低的问题，对于网络中异常行为不易快速发现并进行及时预警响应。
发明内容
本发明的目的在于提供一种基于大数据分析的网络安全监测系统，以解决上述背景技术提出的目前网络安全监测对海量网络数据的分析处理能力较弱，在网络监测过程中存在监测范围小、监测精度低的问题，对于网络中异常行为不易快速发现并进行及时预警响应的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据分析的网络安全监测系统，包括网络数据获取模块、数据存储模块、大数据分析处理模块、安全监测模块和预警反馈模块；
所述网络数据获取模块用于获取网络各个节点位置数据并设置采集持续时间和采集间隔，实现对系统网络数据的实时采集；
所述数据存储模块用于将采集数据进行分类处理并构建数据库为采集数据提供存储空间，将数据进行存储备份；
所述大数据分析处理模块用于根据采集的网络数据利用大数据技术进行分析处理，包括数据清洗、数据转换和数据聚类；
所述安全监测模块用于对网络数据进行安全监测，综合分析发现潜在的攻击威胁并发布预警信息，包括网络入侵检测和综合安全分析；
所述预警反馈模块用于与监控终端进行实时信息交互，在接收预警信息后快速向监控终端反馈进行应急响应。
优选的，所述网络数据获取模块采集数据包括网络流量采集、日志采集和资产和漏洞数据采集。
优选的，所述网络流量采集用于在互联网出入口、云边界等重要网络出入口采集原始流量数据，使用探针旁路部署模式，与路由器、交换机或防火墙等网络安全设备镜像端口相连，不改变原有的网络结构，获得链路中流量数据的拷贝，主要用于监听和检测网络中的数据流及各类异常行为。
优选的，所述日志采集利用Flume组件采集网络中的各类型数据，将数据格式化封装到事件里，写入数据传输通道，实现日志采集、过滤、缓存、中转分发和调度。
优选的，所述资产和漏洞数据采集中，网络资产包括终端、服务器、网络安全设备、物联网设备等，漏洞数据采集分为主动扫描和被动扫描，主动扫描识别资产中的漏洞、配置、弱密码、Web明文传输等风险，被动扫描是在分析用户主机遭受攻击后，识别出用户主机的安全漏洞风险。
优选的，所述数据清洗用于对网络数据进行过滤处理和缺失数据补充，采用门限补偿的处理方式，所述数据转换包括单位换算、数据泛化和规范化，其中数据规范化包括归一化处理和标准化处理，所述数据聚类基于数据转换结果进行聚类处理。
优选的，所述网络入侵检测用于提取入侵行为特征码，将其归结为协议中不同领域的特征值，编写相应的检测规则，通过将预处理的数据包与规则库中的每个规则匹配，检测到由特征值决定的入侵行为是否发生。
优选的，所述综合安全分析包括异常流量分析、异常行为分析、恶意代码分析和攻击威胁溯源。
优选的，所述异常流量分析用于提取原始流量日志，基于机器学习、关联分析引擎对未知异常流量检测和未知攻击事件的分析发现；所述异常行为分析利用UEBA分析技术，结合威胁情报库和主机访问异常等各种异常行为事件，以聚类方式识别和划分具有相似行为、属性的群体，通过群体分析发现异常行为，预测未知风险。
优选的，所述恶意代码分析用于监测捕获多种来源恶意代码，分析样本行为和同源性，获得恶意代码的演进过程、行为特征、事件关联等主要数据，建立入库恶意代码样本和数据的索引查询；所述攻击威胁溯源从网络流量、日志数据、威胁情报、恶意样本等多维度，关联分析攻击者的入侵方式，还原攻击事件的整个过程，实现安全溯源分析。
与现有技术相比，本发明的有益效果是：
本发明中，通过大数据分析处理模块对海量网络数据的数据清洗、数据转换和数据聚类处理，提高网络安全监测的精度和适配性，并通过对网络入侵行为的检测和安全分析，使得本系统能够预测网络安全风险并对入侵行为进行溯源分析，在网络异常行为发生时快速发现，与监控终端进行行为信息反馈，进而实现快速应急响应，通过利用网络数据获取模块对网络中各节点信息进行采集处理，提高网络监测的范围。
附图说明
图1为本发明一种基于大数据分析的网络安全监测系统的系统框图。
图中：1、网络数据获取模块；2、数据存储模块；3、大数据分析处理模块；31、数据清洗；32、数据转换；33、数据聚类；4、安全监测模块；41、网络入侵检测；42、综合安全分析；5、预警反馈模块。
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、完整的描述，显然，所描述的实施条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。
参照图1所示：一种基于大数据分析的网络安全监测系统，包括网络数据获取模块1、数据存储模块2、大数据分析处理模块3、安全监测模块4和预警反馈模块5；
其中，网络数据获取模块1用于获取网络各个节点位置数据并设置采集持续时间和采集间隔，实现对系统网络数据的实时采集；具体的，网络数据获取模块1采集数据包括网络流量采集、日志采集和资产和漏洞数据采集，网络流量采集用于在互联网出入口、云边界等重要网络出入口采集原始流量数据，使用探针旁路部署模式，与路由器、交换机或防火墙等网络安全设备镜像端口相连，不改变原有的网络结构，获得链路中流量数据的拷贝，主要用于监听和检测网络中的数据流及各类异常行为，日志采集利用Flume组件采集网络中的各类型数据，将数据格式化封装到事件里，写入数据传输通道，实现日志采集、过滤、缓存、中转分发和调度，资产和漏洞数据采集中，网络资产包括终端、服务器、网络安全设备、物联网设备等，漏洞数据采集分为主动扫描和被动扫描，主动扫描识别资产中的漏洞、配置、弱密码、Web明文传输等风险，被动扫描是在分析用户主机遭受攻击后，识别出用户主机的安全漏洞风险，按照漏洞扫描结果、资产重要性及漏洞的威胁情报，排序漏洞重要性，以确定修复的优先级，通过利用网络数据获取模块1对网络中各节点信息进行采集处理，提高网络监测的范围。
其中，数据存储模块2用于将采集数据进行分类处理并构建数据库为采集数据提供存储空间，将数据进行存储备份，选择MySQL作为网络安全监测系统数据库的运行环境，通过对监控网络中各个节点的位置和运行数据的收集与存储，利用数据存储模块2将采集数据进行存储，实现网络数据随时间变化逐渐增加进行实时备份，便于后续数据分析处理进行数据的调取。
其中，大数据分析处理模块3用于根据采集的网络数据利用大数据技术进行分析处理，包括数据清洗31、数据转换32和数据聚类33；具体的，数据清洗31用于对网络数据进行过滤处理和缺失数据补充，采用门限补偿的处理方式，数据转换32包括单位换算、数据泛化和规范化，其中数据规范化包括归一化处理和标准化处理，数据聚类33基于数据转换32结果进行聚类处理，方便进行网络数据特征的提取与分析，便于后续网络异常行为的分析处理。
其中，安全监测模块4用于对网络数据进行安全监测，综合分析发现潜在的攻击威胁并发布预警信息，包括网络入侵检测41和综合安全分析42；具体的，网络入侵检测41用于提取入侵行为特征码，将其归结为协议中不同领域的特征值，编写相应的检测规则，通过将预处理的数据包与规则库中的每个规则匹配，检测到由特征值决定的入侵行为是否发生，综合安全分析42包括异常流量分析、异常行为分析、恶意代码分析和攻击威胁溯源，异常流量分析用于提取原始流量日志，基于机器学习、关联分析引擎对未知异常流量检测和未知攻击事件的分析发现；异常行为分析利用UEBA分析技术，结合威胁情报库和主机访问异常等各种异常行为事件，以聚类方式识别和划分具有相似行为、属性的群体，通过群体分析发现异常行为，预测未知风险；恶意代码分析用于监测捕获多种来源恶意代码，分析样本行为和同源性，获得恶意代码的演进过程、行为特征、事件关联等主要数据，建立入库恶意代码样本和数据的索引查询；攻击威胁溯源从网络流量、日志数据、威胁情报、恶意样本等多维度，关联分析攻击者的入侵方式，还原攻击事件的整个过程，实现安全溯源分析。
其中，预警反馈模块5用于与监控终端进行实时信息交互，在网络异常行为发生时，在接收预警信息后快速向监控终端进行异常行为信息反馈，进而实现快速应急响应。
本发明的工作原理：通过利用网络数据获取模块1对网络中各节点信息进行采集处理，提高网络监测的范围，利用数据存储模块2将采集数据进行存储，实现网络数据随时间变化逐渐增加进行实时备份，便于后续数据分析处理进行数据的调取，通过大数据分析处理模块3对海量网络数据的数据清洗31、数据转换32和数据聚类33处理，提高系统网络安全监测精度和适配性，并配合安全监测模块4对网络入侵行为的检测和安全分析，使得本系统能够预测网络安全风险并对入侵行为进行溯源分析，在网络异常行为发生时快速发现，并通过预警反馈模块5与监控终端进行异常行为信息反馈，进而实现快速应急响应。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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 (10)
1.一种基于大数据分析的网络安全监测系统，其特征在于：包括网络数据获取模块(1)、数据存储模块(2)、大数据分析处理模块(3)、安全监测模块(4)和预警反馈模块(5)；
所述网络数据获取模块(1)用于获取网络各个节点位置数据并设置采集持续时间和采集间隔，实现对系统网络数据的实时采集；
所述数据存储模块(2)用于将采集数据进行分类处理并构建数据库为采集数据提供存储空间，将数据进行存储备份；
所述大数据分析处理模块(3)用于根据采集的网络数据利用大数据技术进行分析处理，包括数据清洗(31)、数据转换(32)和数据聚类(33)；
所述安全监测模块(4)用于对网络数据进行安全监测，综合分析发现潜在的攻击威胁并发布预警信息，包括网络入侵检测(41)和综合安全分析(42)；
所述预警反馈模块(5)用于与监控终端进行实时信息交互，在接收预警信息后快速向监控终端反馈进行应急响应。
2.根据权利要求1所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述网络数据获取模块(1)采集数据包括网络流量采集、日志采集和资产和漏洞数据采集。
3.根据权利要求2所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述网络流量采集用于在互联网出入口、云边界等重要网络出入口采集原始流量数据，使用探针旁路部署模式，与路由器、交换机或防火墙等网络安全设备镜像端口相连，不改变原有的网络结构，获得链路中流量数据的拷贝。
4.根据权利要求2所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述日志采集利用Flume组件采集网络中的各类型数据，将数据格式化封装到事件里，写入数据传输通道，实现日志采集、过滤、缓存、中转分发和调度。
5.根据权利要求2所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述资产和漏洞数据采集中，网络资产包括终端、服务器、网络安全设备、物联网设备等，漏洞数据采集分为主动扫描和被动扫描，主动扫描识别资产中的漏洞、配置、弱密码、Web明文传输等风险，被动扫描是在分析用户主机遭受攻击后，识别出用户主机的安全漏洞风险。
6.根据权利要求1所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述数据清洗(31)用于对网络数据进行过滤处理和缺失数据补充，采用门限补偿的处理方式，所述数据转换(32)包括单位换算、数据泛化和规范化，其中数据规范化包括归一化处理和标准化处理，所述数据聚类(33)基于数据转换(32)结果进行聚类处理。
7.根据权利要求1所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述网络入侵检测(41)用于提取入侵行为特征码，将其归结为协议中不同领域的特征值，编写相应的检测规则，通过将预处理的数据包与规则库中的每个规则匹配，检测到由特征值决定的入侵行为是否发生。
8.根据权利要求1所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述综合安全分析(42)包括异常流量分析、异常行为分析、恶意代码分析和攻击威胁溯源。
9.根据权利要求8所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述异常流量分析用于提取原始流量日志，基于机器学习、关联分析引擎对未知异常流量检测和未知攻击事件的分析发现；
所述异常行为分析利用UEBA分析技术，结合威胁情报库和主机访问异常等各种异常行为事件，以聚类方式识别和划分具有相似行为、属性的群体，通过群体分析发现异常行为，预测未知风险。
10.根据权利要求8所述的一种基于大数据分析的网络安全监测系统，其特征在于：所述恶意代码分析用于监测捕获多种来源恶意代码，分析样本行为和同源性，获得恶意代码的演进过程、行为特征、事件关联等主要数据，建立入库恶意代码样本和数据的索引查询；
所述攻击威胁溯源从网络流量、日志数据、威胁情报、恶意样本等多维度，关联分析攻击者的入侵方式，还原攻击事件的整个过程，实现安全溯源分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310944878.XA CN116800536A (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据分析的网络安全监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310944878.XA CN116800536A (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据分析的网络安全监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116800536A true CN116800536A (zh) | 2023-09-22 |
Family
ID=88034925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310944878.XA Withdrawn CN116800536A (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据分析的网络安全监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116800536A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117544420A (zh) * | 2024-01-08 | 2024-02-09 | 山东省标准化研究院(Wto/Tbt山东咨询工作站) | 一种基于数据分析的融合系统安全管理方法及系统 |
| CN117579295A (zh) * | 2023-10-07 | 2024-02-20 | 广东云下汇金科技有限公司 | 一种数据中心流量异常监控突升突降监控系统及其方法 |
| CN117669594A (zh) * | 2024-02-02 | 2024-03-08 | 智器云南京信息科技有限公司 | 针对异常信息的大数据关系网络分析方法及系统 |
| CN117812594A (zh) * | 2024-02-29 | 2024-04-02 | 辽宁华鼎科技股份有限公司 | 一种物联网网络安全系统及其控制方法 |
| CN117834311A (zh) * | 2024-03-06 | 2024-04-05 | 成都工业职业技术学院 | 一种用于网络安全的恶意行为识别系统 |
| CN117896138A (zh) * | 2024-01-12 | 2024-04-16 | 上海艾芒信息科技有限公司 | 一种基于ueba技术的网络安全流量检测方法 |
| CN117971555A (zh) * | 2023-12-21 | 2024-05-03 | 北京天融信网络安全技术有限公司 | 数据安全备份方法及系统、电子设备、存储介质 |
| CN118101232A (zh) * | 2023-11-24 | 2024-05-28 | 安徽医科大学 | 一种网络信息安全预警设备 |
| CN118158002A (zh) * | 2024-05-13 | 2024-06-07 | 国网四川省电力公司信息通信公司 | 基于机器学习的实时攻击溯源的方法和系统 |
-
2023
- 2023-07-28 CN CN202310944878.XA patent/CN116800536A/zh not_active Withdrawn
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117579295A (zh) * | 2023-10-07 | 2024-02-20 | 广东云下汇金科技有限公司 | 一种数据中心流量异常监控突升突降监控系统及其方法 |
| CN118101232A (zh) * | 2023-11-24 | 2024-05-28 | 安徽医科大学 | 一种网络信息安全预警设备 |
| CN117971555A (zh) * | 2023-12-21 | 2024-05-03 | 北京天融信网络安全技术有限公司 | 数据安全备份方法及系统、电子设备、存储介质 |
| CN117544420B (zh) * | 2024-01-08 | 2024-03-29 | 山东省标准化研究院(Wto/Tbt山东咨询工作站) | 一种基于数据分析的融合系统安全管理方法及系统 |
| CN117544420A (zh) * | 2024-01-08 | 2024-02-09 | 山东省标准化研究院(Wto/Tbt山东咨询工作站) | 一种基于数据分析的融合系统安全管理方法及系统 |
| CN117896138A (zh) * | 2024-01-12 | 2024-04-16 | 上海艾芒信息科技有限公司 | 一种基于ueba技术的网络安全流量检测方法 |
| CN117669594B (zh) * | 2024-02-02 | 2024-04-16 | 智器云南京信息科技有限公司 | 针对异常信息的大数据关系网络分析方法及系统 |
| CN117669594A (zh) * | 2024-02-02 | 2024-03-08 | 智器云南京信息科技有限公司 | 针对异常信息的大数据关系网络分析方法及系统 |
| CN117812594A (zh) * | 2024-02-29 | 2024-04-02 | 辽宁华鼎科技股份有限公司 | 一种物联网网络安全系统及其控制方法 |
| CN117812594B (zh) * | 2024-02-29 | 2024-05-03 | 辽宁华鼎科技股份有限公司 | 一种物联网网络安全系统及其控制方法 |
| CN117834311A (zh) * | 2024-03-06 | 2024-04-05 | 成都工业职业技术学院 | 一种用于网络安全的恶意行为识别系统 |
| CN117834311B (zh) * | 2024-03-06 | 2024-05-14 | 成都工业职业技术学院 | 一种用于网络安全的恶意行为识别系统 |
| CN118158002A (zh) * | 2024-05-13 | 2024-06-07 | 国网四川省电力公司信息通信公司 | 基于机器学习的实时攻击溯源的方法和系统 |
| CN118158002B (zh) * | 2024-05-13 | 2024-07-02 | 国网四川省电力公司信息通信公司 | 基于机器学习的实时攻击溯源的方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116800536A (zh) | 一种基于大数据分析的网络安全监测系统 | |
| CN112651006B (zh) | 一种电网安全态势感知系统 | |
| CN111277578B (zh) | 加密流量分析特征提取方法、系统、存储介质、安全设备 | |
| Aminanto et al. | Threat alert prioritization using isolation forest and stacked auto encoder with day-forward-chaining analysis | |
| CN103368979B (zh) | 一种基于改进K-means算法的网络安全性验证装置 | |
| NL2002694C2 (en) | Method and system for alert classification in a computer network. | |
| Wu et al. | Bot detection using unsupervised machine learning | |
| CN109450721B (zh) | 一种基于深度神经网络的网络异常行为识别方法 | |
| CN110198303A (zh) | 威胁情报的生成方法及装置、存储介质、电子装置 | |
| CN113328985B (zh) | 一种被动物联网设备识别方法、系统、介质及设备 | |
| CN107360118A (zh) | 一种高级持续威胁攻击防护方法及装置 | |
| CN115134250B (zh) | 一种网络攻击溯源取证方法 | |
| Qureshi et al. | Network Forensics: A Comprehensive Review of Tools and Techniques | |
| CN112925805B (zh) | 基于网络安全的大数据智能分析应用方法 | |
| Do et al. | Classifying anomalies for network security | |
| CN115795330A (zh) | 一种基于ai算法的医疗信息异常检测方法及系统 | |
| CN112104628A (zh) | 一种自适应特征规则匹配的实时恶意流量检测方法 | |
| Messai et al. | POSTER: Activity Graph Learning for Attack Detection in IoT Networks | |
| Barrionuevo et al. | An anomaly detection model in a lan using k-nn and high performance computing techniques | |
| Ramström | Botnet detection on flow data using the reconstruction error from Autoencoders trained on Word2Vec network embeddings | |
| Zhang et al. | Mbst: detecting packet-level traffic anomalies by feature stability | |
| Pramudya et al. | Implementation of signature-based intrusion detection system using SNORT to prevent threats in network servers | |
| CN114430344A (zh) | 基于工控流量和威胁情报关联分析的攻击组织识别方法 | |
| CN116155519A (zh) | 威胁告警信息处理方法、装置、计算机设备和存储介质 | |
| De Souza et al. | Enhancing automatic attack detection through spectral decomposition of network flows |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230922 |
|
| WW01 | Invention patent application withdrawn after publication |