[發明專利]通過人工智能決策的大數據去噪方法及大數據采集系統

有效

• 申請號: 202210381914.1
• 申請日: 2022-04-13
• 公開（公告）號: CN114697128B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 龔良;白順者
• 申請（專利權）人: 廣東數字金服信息技術有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06F18/10;G06F18/214;G06F18/22;G06F18/26
• 代理公司: 廣州中粵知識產權代理事務所(普通合伙) 44752
• 代理人: 馬騰

本發明實施例提供一種通過人工智能決策的大數據去噪方法及大數據采集系統，對每個基礎多通道顯著噪聲信息進行噪聲點輸出，由此對潛在顯著噪聲點進行噪聲點輸出調整后獲得模糊顯著噪聲點，通過結合至少兩個多通道噪聲信息以便于確定更符合實際噪聲產生條件的目標模板多通道噪聲信息，基于模糊顯著噪聲點對目標模板多通道噪聲信息進行噪聲點輸出，由此對模糊顯著噪聲點進行進階輸出調整后獲得篩定顯著噪聲點，篩定顯著噪聲點能夠更準確地表達威脅感知活動數據的精確噪聲路徑，由此提高大數據去噪的精確性，換言之提高后續針對威脅感知流程（如威脅感知大數據的采集流程）進行不斷優化的可靠性。

技術領域

本發明涉及大數據去噪技術領域，具體而言，涉及一種通過人工智能決策的大數據去噪方法及大數據采集系統。

背景技術

威脅感知是一種實時分析網絡流量，結合威脅情報數據及網絡行為分析技術，深度檢測所有可疑網絡活動的高級持續性威脅(APT)防范設備。威脅感知系統通過感知分析文件行為，識別出未知威脅，為企業用戶構建高級持續性威脅(APT)防范能力。例如在現有技術中，通常會通過威脅感知技術對各類威脅感知數據集進行分析，然而沒有考慮到在威脅感知過程中可能存在的噪聲信息，由此可能會導致后續威脅識別能力存在誤差。因此，對于相關領域，迫切需要一種技術手段有效提高威脅感知優化之前的噪聲估計性能。

發明內容

為了至少克服現有技術中的上述不足，本發明的目的在于提供一種通過人工智能決策的大數據去噪方法及大數據采集系統。

第一方面，本發明提供一種通過人工智能決策的大數據去噪方法，應用于大數據采集系統，所述大數據采集系統與至少兩個云端業務數據服務器通信連接，所述方法包括：

確定所述云端業務數據服務器中對應于威脅感知任務的威脅感知數據集；

基于匹配噪聲輸出部署條件的AI噪聲輸出單元對所述對應于威脅感知任務的威脅感知數據集進行多通道噪聲信息分析，輸出至少兩個對應于歷史認證顯著特征的基礎多通道顯著噪聲信息；每個基礎多通道顯著噪聲信息用于表達潛在顯著噪聲點；

分別針對所述每個基礎多通道顯著噪聲信息進行噪聲點輸出，輸出所述對應于威脅感知任務的威脅感知數據集上威脅感知活動數據關聯的模糊顯著噪聲點；

基于基礎多通道顯著噪聲信息確定基礎多通道顯著噪聲信息關聯的觀測多通道顯著噪聲信息，將基礎多通道顯著噪聲信息與關聯的觀測多通道顯著噪聲信息進行噪聲特征聚合，輸出關聯的目標多通道顯著噪聲信息；

基于所述模糊顯著噪聲點對所述目標多通道顯著噪聲信息進行噪聲點輸出，輸出所述對應于威脅感知任務的威脅感知數據集上威脅感知活動數據關聯的篩定顯著噪聲點，而后基于所述篩定顯著噪聲點對所述云端業務數據服務器進行威脅感知優化。

第二方面，本發明實施例還提供一種通過人工智能決策的大數據去噪系統，所述通過人工智能決策的大數據去噪系統包括大數據采集系統以及與所述大數據采集系統通信連接的至少兩個云端業務數據服務器；

所述大數據采集系統，用于：

確定所述云端業務數據服務器中對應于威脅感知任務的威脅感知數據集；

基于匹配噪聲輸出部署條件的AI噪聲輸出單元對所述對應于威脅感知任務的威脅感知數據集進行多通道噪聲信息分析，輸出至少兩個對應于歷史認證顯著特征的基礎多通道顯著噪聲信息；每個基礎多通道顯著噪聲信息用于表達潛在顯著噪聲點；

分別針對所述每個基礎多通道顯著噪聲信息進行噪聲點輸出，輸出所述對應于威脅感知任務的威脅感知數據集上威脅感知活動數據關聯的模糊顯著噪聲點；

基于基礎多通道顯著噪聲信息確定基礎多通道顯著噪聲信息關聯的觀測多通道顯著噪聲信息，將基礎多通道顯著噪聲信息與關聯的觀測多通道顯著噪聲信息進行噪聲特征聚合，輸出關聯的目標多通道顯著噪聲信息；

基于所述模糊顯著噪聲點對所述目標多通道顯著噪聲信息進行噪聲點輸出，輸出所述對應于威脅感知任務的威脅感知數據集上威脅感知活動數據關聯的篩定顯著噪聲點，而后基于所述篩定顯著噪聲點對所述云端業務數據服務器進行威脅感知優化。