[發明專利]一種網絡安全設備知識推理方法、裝置、系統及存儲介質

有效

• 申請號: 202110783822.1
• 申請日: 2021-07-12
• 公開（公告）號: CN113254674B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 戚建淮;周杰;鄭偉范;宋晶;唐娟;劉建輝
• 申請（專利權）人: 深圳市永達電子信息股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 高占元

1.一種網絡安全設備知識推理方法，其特征在于，所述方法包括：

實時獲取分布式部署的網絡安全設備采集的數據，將獲取到的數據進行多次融合得到包含各網絡安全設備之間的有向關系的知識狀態有向圖，包括：將各個所述網絡安全設備的分別做一個節點，構建點狀知識圖譜，將存在指向關系的兩個所述網絡安全設備的點狀知識圖譜融合，構建得到線狀知識圖譜，將構建得到的所有線狀知識圖譜融合形成知識狀態有向圖；

通過構建的知識狀態有向圖，將有向關系做成多元矩陣，將多元矩陣送入預先訓練好的多層深度神經網絡所構建的風險推理狀態機，得到包含各網絡安全設備之間的有向關系的狀態預測結果；

將獲取到的狀態預測結果與下一時刻基于網絡安全設備采集的數據所得到的知識狀態有向圖進行比對，如果不一致，則判斷出現安全風險情況。

2.根據權利要求1所述的網絡安全設備知識推理方法，其特征在于，所述方法還包括：

獲取分布式部署的網絡安全設備不同采樣時刻采集的歷史數據，將獲取到的數據進行多次融合得到包含各網絡安全設備之間的有向關系的知識狀態有向圖；

通過構建的知識狀態有向圖，將有向關系做成多元矩陣，將前后相鄰采樣時刻的多元矩陣分別作為多層深度神經網絡的輸入和輸出，對所述多層深度神經網絡進行訓練，訓練出風險推理狀態機。

3.根據權利要求1所述的網絡安全設備知識推理方法，其特征在于，所述的將存在指向關系的兩個所述網絡安全設備的點狀知識圖譜融合，包括：分析每個節點的數據，從中提取出與當前節點的設備ID存在指向關系的所有設備ID，并基于提取出來的設備ID確定該當前節點所關聯的其他節點，并根據設備ID之間的指向關系確定節點之間的指向關系；

所述的將構建得到的所有線狀知識圖譜融合形成知識狀態有向圖，包括：將構建得到的所有線狀知識圖譜融合通過吸收映射算法進行融合，形成以單個所述網絡安全設備為節點且包含節點之間的有向關系的網狀的所述知識狀態有向圖。

4.根據權利要求1所述的網絡安全設備知識推理方法，其特征在于，所述的將有向關系做成多元矩陣，包括：按照順序遍歷知識狀態有向圖中的每一個節點：針對每一個節點，按照與遍歷相同的順序分析該節點與其他節點之間的有向關系，并將有向關系的分析結果轉換為特征值。

5.根據權利要求1所述的網絡安全設備知識推理方法，其特征在于，所述方法還包括：通過類腦計算平臺為所述方法的執行提供算力支持。

6.一種網絡安全設備知識推理裝置，其特征在于，包括處理器和存儲器，所述存儲器存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-5任一項所述的方法。

7.一種網絡安全設備知識推理系統，其特征在于，所述系統包括：

有向圖獲取模塊，用于實時獲取分布式部署的網絡安全設備采集的數據，將獲取到的數據進行多次融合得到包含各網絡安全設備之間的有向關系的知識狀態有向圖，包括：將各個所述網絡安全設備的分別做一個節點，構建點狀知識圖譜，將存在指向關系的兩個所述網絡安全設備的點狀知識圖譜融合，構建得到線狀知識圖譜，將構建得到的所有線狀知識圖譜融合形成知識狀態有向圖；

狀態預測模塊，用于通過構建的知識狀態有向圖，將有向關系做成多元矩陣，將多元矩陣送入預先訓練好的多層深度神經網絡所構建的風險推理狀態機，得到包含各網絡安全設備之間的有向關系的狀態預測結果；

安全風險評估模塊，用于將獲取到的狀態預測結果與下一時刻基于網絡安全設備采集的數據所得到的知識狀態有向圖進行比對，如果不一致，則判斷出現安全風險情況。

8.根據權利要求7所述的網絡安全設備知識融合系統，其特征在于，還包括類腦計算平臺，用于為所述有向圖獲取模塊、狀態預測模塊、安全風險評估模塊提供算力支持。

9.一種計算機可讀存儲介質，其特征在于，存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-5任一項所述的方法。