[發明專利]基于大數據信息下互聯網行為預警系統及其方法

在審

• 申請號: 201811267412.6
• 申請日: 2018-10-29
• 公開（公告）號: CN109408697A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 葉明;劉思思
• 申請（專利權）人: 武漢虹旭信息技術有限責任公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06N3/08;G08B31/00
• 代理公司: 武漢宇晨專利事務所 42001
• 代理人: 黃瑞棠

1.一種基于大數據信息下互聯網行為預警系統，其特征在于：

本系統包括用于訓練學習的第1數據采集模塊（11）、第1數據預處理模塊（12）、第1特征提取模塊（13）、第1數據訓練模塊（14）和第1數據評估模塊（15），還包括用于數據識別的第2數據采集模塊（21）、第2數據預處理模塊（22）、第2特征提取模塊（23）、第2互聯網行為數據算法模塊（26）和第2數據管理預警模塊（27）；

其交互關系是：

第1數據采集模塊（11）、第1數據預處理模塊（12）、第1特征提取模塊（13）和第1數據訓練模塊（14）依次交互，實現對互聯網行為數據的訓練學習；

第1數據訓練模塊（14）和第1數據評估模塊（15）循環交互，第1數據訓練模塊（14）和第2互聯網行為數據算法模塊（26）交互，實現對互聯網行為數據識別的算法進行調整最終得到適合互聯網行為的算法并傳送給第2互聯網行為數據算法模塊（26）；

第2數據采集模塊（21）、第2數據預處理模塊（22）、第2特征提取模塊（23）、第2互聯網行為算法模塊（26）和第2數據管理和預警模塊（27）依次交互，實現對互聯網行為的預判，并對相關行為給出告警。

2.按權利要求1所述的一種基于大數據信息下互聯網行為預警系統，其特征在于：

所述的第1、2數據采集模塊（11、21）均是一種行為數據采集解析方法；

所述的第1、2數據預處理模塊（12、22）均是一種數據規范化輸出方法；

所述的第1、2特征提取模塊（13、23）均是一種從原始數據轉化為一組具有明顯統計意義的方法；

所述的第1數據訓練模塊（14）是用大量的、多元化的互聯網行為數據訓練出數據挖掘算法的方法；

所述的第1數據評估模塊（15）是從互聯網行為數據綜合角度考慮，對信息的可信度有效性進行評估并反饋給第1數據訓練模塊（14）進行參數調整的方法；

所述的第2互聯網行為算法模塊（26）是根據第1數據訓練模塊訓（14）練出的一種任務行為數據分析模型；

所述的第2數據管理和預警模塊（27）是一種對互聯網行為數據存儲和判斷預警的方法。

3.按權利要求1-2所述系統的互聯網行為預警方法，其特征在于包括下列步驟：

①第1數據采集模塊（11）完成捕獲特定目標用戶互聯網數據包，對MAC層以及MAC層之上的協議數據進行解析，并對數據進行分類，將解析數據發送給第1數據預處理模塊（12）；

②第1數據預處理模塊（12）接收解析數據，對解析出的數據進行統一的規范標準化處理，發送給第1特征提取模塊（13）；

③第1特征提取模塊（13）將第1數據預處理模塊（12）發過來的原始數據，轉化為一組判斷互聯網行為模型的數據，依次發送給第1數據訓練模塊（14）和第2互聯網行為算法模塊（26）；

④第1數據訓練模塊（14）將第1特征提取模塊（13）轉化的互聯網行為數據，基于最初的互聯網行為分析算法模型得出一定的互聯網行為判斷結果，并把這個結果發送給第1數據評估模塊（15），使用大量的訓練數據之后，選擇出一套適合互聯網行為預警系統的算法，并發送給第2互聯網行為算法模塊（26）；

所述的基于最初的互聯網行為分析算法包括K近鄰法、邏輯回歸法、SVM、LLS和CNN；

⑤第1數據評估模塊根據第1數據訓練模塊（14）發出來的評估結果和原始人物行為進行對比，根據對比結果返回給第1數據訓練模塊（14）各種參數調整的數值；

⑥第2互聯網行為算法模塊（26）對第2特征提取模塊（23）發送來的數據進行判斷分析，得出的結果發送到第2數據管理和預警模塊（27）中；

⑦數據管理和預警模塊（27）是系統的存儲資源中心和告警中心，實現對所需判斷數據進行存儲，并對高危行為進行告警操作。

4.按權利要求3所述的互聯網行為預警方法，其特征在于所述的步驟①：

a、捕獲特定用戶互聯網行為數據包；

b、解析數據是解析捕獲的互聯網行為數據、終端數據、IMSI數據和基站數據，并進行打標處理方便后續模塊做行為關聯；

c、數據采集模塊作為SOCKET客戶端，與作為SOCKET服務端的數據預處理模塊建立連接，以數據流的方式進行傳輸。