网络信息保护方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种网络信息保护方法、装置和电子设备，涉及公共安全技术领域，包括：基于预先构建的初始网络模型获取测试数据集，测试数据集包括：初始网络模型的拓扑结构信息、路由表和流量信息；将测试数据集作为输入，利用预先配置的GAN网络的生成器对初始网络模型的拓扑结构信息进行重构，生成重构的邻接矩阵和流量矩阵；将重构的邻接矩阵和流量矩阵作为输入，基于预先构建的初始网络模型获取新的测试数据集；将新的测试数据集作为输入，利用预先配置的GAN网络的判别器对网络时延和抖动进行预测。该方法解决了现有的网络欺骗防御方法具有复杂度高、部署成本高的技术问题，达到了降低成本的技术效果。低成本的技术效果。低成本的技术效果。

【技术实现步骤摘要】
网络信息保护方法、装置和电子设备


[0001]本专利技术涉及公共安全
，尤其是涉及一种网络信息保护方法、装 置和电子设备。

技术介绍

[0002]软件定义网络(software defined networking,SDN)是一种有别于传 统网络的新型网络架构，其主要特点是将控制功能从网络设备中提取出来， 实现了控制层与数据转发层的解耦。SDN网络的一大优点是摆脱了硬件对网 络架构的限制，可以像升级、安装软件一样对网络进行修改，SDN的本质是 网络软件化，提升网络可编程能力，是一次网络架构的重构，更快、更简单 的实现各种功能特性。
[0003]在运动会等大型集会的场合，同一场馆内通常会在同一时间段聚集大 量的人群，这些人携带的手机等通信设备如果同时使用势必会对网造成极 大的负载。另外，在这些大型集会的过程中，活动运营方也会使用到同一 网络传输重要的计划文本、紧急预案文本，因此在这种时候保护我方的网 络信息不被敌方所侦察就显得尤为重要，这也是防御网络攻击的重要一步。 而现有的网络欺骗防御方法具有复杂度高、部署成本高的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种网络信息保护方法、装置和电子设备，以缓 解现有技术中存在的复杂度高、部署成本高的技术问题。
[0005]为了实现上述目的，本专利技术实施例采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供了一种网络信息保护方法，包括：
[0007]基于预先构建的初始网络模型获取测试数据集，上述测试数据集包括： 上述初始网络模型的拓扑结构信息、路由表和流量信息；
[0008]将上述测试数据集作为输入，利用预先配置的GAN网络的生成器对上 述初始网络模型的拓扑结构信息进行重构，生成重构的邻接矩阵和流量矩 阵；
[0009]将上述重构的邻接矩阵和流量矩阵作为输入，基于预先构建的初始网 络模型获取新的测试数据集；
[0010]将上述新的测试数据集作为输入，利用预先配置的GAN网络的判别器 对网络时延和抖动进行预测。
[0011]在一些可能的实施方式中，还包括：基于预先构建的初始网络模型获取 训练数据集，上述训练数据集包括上述初始网络模型的拓扑结构信息、路由 表和流量信息；上述训练数据集和上述测试数据集的比例为7：3。
[0012]在一些可能的实施方式中，上述流量信息的计算公式包括：
[0013][0014]其中M(i，j)表示从源点i到终点j的流量情况，U(0，1)表示0到1的 均匀分布，α为
控制整体网络中流量强度的参数，N表示网络节点数量，b 为链路最大带宽。
[0015]在一些可能的实施方式中，上述初始网络模型为24节点、37条链路的 GEANT2网络。
[0016]在一些可能的实施方式中，上述预先配置的GAN网络包括生成器，上 述生成器为GAN模型；将上述测试数据集作为输入，利用预先配置的GAN 网络的生成器对上述初始网络模型的拓扑结构信息进行重构，生成重构的 邻接矩阵和流量矩阵，包括：将测试数据集中的路由表输入到上述GAN模 型中，对上述GAN模型进行训练，生成第一损失函数；上述第一损失函数 的计算公式为：
[0017][0018]其中，y代表邻接矩阵A中某个元素的值(0或1)，y
’
代表重构的邻接 矩阵A
’
中相应元素的值(概率值)；根据上述第一损失函数确定重构的邻接 矩阵和流量矩阵。
[0019]在一些可能的实施方式中，上述预先配置的GAN网络还包括判别器， 上述判别器为网络测量模型；上述方法还包括：基于图神经网络生成网络测 量模型；上述网络测量模型的输入为上述路由表信息和上述流量信息。
[0020]在一些可能的实施方式中，还包括：对上述网络测量模型进行训练，生 成训练后的网络测量模型；上述训练后的网络测量模型用于对网络时延和 抖动进行预测。
[0021]第二方面，本专利技术实施例提供了一种大规模关联事件中的网络信息保 护装置，包括：
[0022]第一获取模块，用于基于预先构建的初始网络模型获取测试数据集，上 述测试数据集包括：上述初始网络模型的拓扑结构信息、路由表和流量信息；
[0023]重构模块，用于将上述测试数据集作为输入，利用预先配置的GAN网 络的生成器对上述初始网络模型的拓扑结构信息进行重构，生成重构的邻 接矩阵和流量矩阵；
[0024]第二获取模块，用于将上述重构的邻接矩阵和流量矩阵作为输入，基于 预先构建的初始网络模型获取新的测试数据集；
[0025]预测模块，用于将上述新的测试数据集作为输入，利用预先配置的GAN 网络的判别器对网络时延和抖动进行预测。
[0026]第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器， 所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执 行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
[0027]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机 可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器 调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面 任一项所述的方法。
[0028]本专利技术提供了一种网络信息保护方法、装置和电子设备，包括：基于预 先构建的初始网络模型获取测试数据集，测试数据集包括：初始网络模型的 拓扑结构信息、路由表和流量信息；将测试数据集作为输入，利用预先配置 的GAN网络的生成器对初始网络模型的拓扑结构信息进行重构，生成重构 的邻接矩阵和流量矩阵；将重构的邻接矩阵和流量矩阵作为输入，基于预先 构建的初始网络模型获取新的测试数据集；将新的测试数据集作为输入，利 用预先配置的GAN网络的判别器对网络时延和抖动进行预测。该方法解决 了现有
的网络欺骗防御方法具有复杂度高、部署成本高的技术问题，达到了 降低成本的技术效果。
附图说明
[0029]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下 面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍， 显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通 技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其 他的附图。
[0030]图1为本专利技术实施例提供的一种网络信息保护方法的流程示意图；
[0031]图2为本专利技术实施例提供的一种GEANT2网络示意图；
[0032]图3为本专利技术实施例提供的一种生成器原理图；
[0033]图4为本专利技术实施例提供的一种网络信息保护方法的整体方案流程图；
[0034]图5为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0035]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本发 明实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述， 显然，所描述的实施例是本专利技术一部分实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络信息保护方法，其特征在于，包括：基于预先构建的初始网络模型获取测试数据集，所述测试数据集包括：所述初始网络模型的拓扑结构信息、路由表和流量信息；将所述测试数据集作为输入，利用预先配置的GAN网络的生成器对所述初始网络模型的拓扑结构信息进行重构，生成重构的邻接矩阵和流量矩阵；将所述重构的邻接矩阵和流量矩阵作为输入，基于预先构建的初始网络模型获取新的测试数据集；将所述新的测试数据集作为输入，利用预先配置的GAN网络的判别器对网络时延和抖动进行预测。2.根据权利要求1所述的方法，其特征在于，还包括：基于预先构建的初始网络模型获取训练数据集，所述训练数据集包括所述初始网络模型的拓扑结构信息、路由表和流量信息；所述训练数据集和所述测试数据集的比例为7：3。3.根据权利要求1或2所述的方法，其特征在于，所述流量信息的计算公式包括：其中M(i，j)表示从源点i到终点j的流量情况，U(0，1)表示0到1的均匀分布，α为控制整体网络中流量强度的参数，N表示网络节点数量，b为链路最大带宽。4.根据权利要求3所述的方法，其特征在于，所述初始网络模型为24节点、37条链路的GEANT2网络。5.根据权利要求1所述的方法，其特征在于，所述预先配置的GAN网络包括生成器，所述生成器为GAN模型；将所述测试数据集作为输入，利用预先配置的GAN网络的生成器对所述初始网络模型的拓扑结构信息进行重构，生成重构的邻接矩阵和流量矩阵，包括：将测试数据集中的路由表输入到所述GAN模型中，对所述GAN模型进行训练，生成第一损失函数；所述第一损失函数的计算公式为：其中，y代表邻接矩阵A中某个元素的值，y
’
代表...

【专利技术属性】
技术研发人员：郑申俊，孙云，倪骏，王鸿儒，黄刚，王要超，吴照平，
申请(专利权)人：杭州中奥科技有限公司，
类型：发明
国别省市：