一种改进型聚类算法的信息漏洞数据分析方法技术

本发明专利技术公开一种改进型聚类算法的信息漏洞数据分析方法，涉及漏洞数据分析，解决的问题是漏洞数据分析，采用的方案是通过构建聚类中心点实现信息漏洞的分析与计算，将聚类中心点作为聚类密度最大的点，并设置局部密度和与中心点的距离；通过采用自适应特征分割模型对输入的数据信息进行分割，并逐次对每个数据区域的状态数据存储节点进行自动筛选控制；筛选出来的数据信息被存储；自动筛选控制方法为时间序列索引模型，其中时间序列索引模型函数，通过设置数据漏洞分析增益模型，构建数据漏洞分析增益模型函数表达式，进而对提取到信息漏洞数据评估，本发明专利技术大大提高数据信息分析能力。力。力。

【技术实现步骤摘要】
一种改进型聚类算法的信息漏洞数据分析方法


[0001]本专利技术涉及数据处理
，且更确切地涉及一种改进型聚类算法的信息漏洞数据分析方法。

技术介绍

[0002]计算机网络安全与当前的社会经济有序发展以及人们的生活等多个方面都息息相关。因此，对于计算机网络安全漏洞及防范措施的研究具有十分重要的意义。计算机网络的发展虽然日益深入，但是伴之而来的问题也逐步地显现，尤其是安全漏洞方面的问题引起人们格外的关注和重视。对于计算机网络安全漏洞及防范措施的研究不仅能够在很大程度上保障计算机网络用户的使用安全，同时还能促进社会经济的有序健康发展。因此，对于计算机网络安全漏洞及防范措施的研究既具有理论价值也具有现实意义。在大量的网络数据信息分析中，如何进行数据信息分析，提高数据信息分析能力，能够有效地对网络漏洞大数据进行故障诊断。
[0003]专利号CN202010899296.0公开了一种漏洞数据的比较方法、装置、电子设备以及存储介质，该方法包括：获取第一漏洞数据组和第二漏洞数据组，第一漏洞数据组和第二漏洞数据组基于不同的漏洞检测方法对同一对象进行漏洞检测得到；第一漏洞数据组和第二漏洞数据组均包括多个漏洞数据；漏洞数据包括至少一个标识字段；基于标识字段，将第一漏洞数据组中的各漏洞数据与第二漏洞数据组中的各漏洞数据进行比较，确定仅存在于第一漏洞数据组中的漏洞数据、仅存在于第二漏洞数据组中的漏洞数据以及第一漏洞数据组和第二漏洞数据组共同包括的漏洞数据。这种方法虽然能够实现对不同漏洞检测方法的检测结果进行比对，以帮助用户快速了解各检测方法能检测出哪些漏洞，是否存在漏检情况等。但该方法无法实现信息漏洞的分析。专利法CN202010751251.9公开了一种漏洞数据分析方法、系统及相关装置，该方法包括：获取漏洞数据；调用规则列表中的分析规则对所述漏洞数据执行漏洞分析，得到分析结果；将所述分析结果保存至持久化介质。本申请直接对漏洞数据采用线上规则列表分析，并在得到分析结果后直接保存至持久化介质，可以实现在后续接收到漏洞分析请求时直接从持久化介质中读取相应的分析结果，而不必等执行离线数据库分析后才可能得到漏洞分析结果，提高了漏洞分析效率。但是该方法在进行漏洞分析时，效率低，精度不高。

技术实现思路

[0004]针对上述技术的不足，本专利技术公开一种改进型聚类算法的信息漏洞数据分析方法，能够针对网络中的数据信息漏洞进行分析，以提高数据信息分析能力。
[0005]为了实现上述技术效果，本专利技术采用以下技术方案：一种改进型聚类算法的信息漏洞分析方法，其中包括以下步骤：步骤一、构建聚类中心点，将聚类中心点作为聚类密度最大的点，并设置局部密度和与中心点的距离；
步骤二、采用自适应特征分割模型对输入的数据信息进行分割，并逐次对每个数据区域的状态数据存储节点进行自动筛选控制；筛选出来的数据信息被存储；自动筛选控制方法为时间序列索引模型，其中时间序列索引模型函数为：（1）公式（1）中，表示外部数据环境影响因素，表示时间序列索引模型本身影响因素，表示分布式数据集合个数，表示第个分布式数据集合的影响因素，表示第个分布式数据集合受到外部环境影响因素的方差；步骤三、设置数据漏洞分析增益模型，数据漏洞分析增益模型函数表达式为：（2）公式（2）中，表示信息漏洞数据特征提取的节点数，信息漏洞数据分布数据存储节点的采样数据集为，表示信息漏洞数据特征状态函数，为信息漏洞数据特征提取的节点数的初始值，表示数据集个数，表示数据漏洞分析增益模型函数标识；通过数据漏洞分析增益模型计算数据存储节点的采样数据集信息；步骤四、对提取到信息漏洞数据评估，输出信息漏洞数据评估结果。
[0006]作为本专利技术进一步的技术方案，自适应特征分割模型包括以下方法：步骤(1)、将信息数据集合构建成不同数据属性的特征学习模块，对信息数据集合中的数据信息通过不同的数据属性进行数据信息分类；步骤(2)、提取信息数据集合信息特征，对所提取到的信息数据进行分解，并将分解出的信息数据信息与设置的数据信息进行对比；步骤(3)、构建信息数据集合的学习网络模型，设置阈值调整系数，将漏洞数据信息识别出来，识别方法为信息比较方法；步骤(4)、对信息数据集合特征进行输出，当分割出的数据信息特征与阈值信息不相等时，则返回步骤(2)，则重新进行数据信息分析。
[0007]作为本专利技术进一步的技术方案，自动筛选控制的方法通过自适应模糊控制方法；控制器输出的计算公式为：（3）公式（3）中，、 和为控制器的参数，表示控制器偏差值，表示控制器偏差值的参数系数；（4）
公式（4）中，、和为控制器的初始状态值；在设定的采样周期时间内得到相应的控制变量为、和。
[0008]作为本专利技术进一步的技术方案，漏洞分析增益模型内还设置有漏洞检测模块。
[0009]作为本专利技术进一步的技术方案，所述漏洞检测模块实现漏洞检测的方法为：采用模糊均值聚类算法对提取的信息漏洞数据特征信息进行信息聚类处理，信息漏洞数据识别的自适应加权学习函数为：（5）公式（5）中，表示自适应加权学习函数的融合数据信息，表示信息聚类处理的自适应加权学习系数，表示数据集个数，表示加权调节系数，表示权重值，表示第i个权重值 ， 表示第i个信息漏洞数据特征识别概率，表示信息漏洞数据特征识别概率，设置信息漏洞数据评价的置信度为95%，根据均匀正态分布特性，则：（6）公式（6）中，，当时，表示信息漏洞数据评价集以95%概率聚敛，信息漏洞数据评价置信度分布函数，表示信息漏洞数据评估的关联规则判决统计量，表示信息漏洞数据评估的关联规则判决统计量正态分布函数的期望值，在满足收敛条件下，信息漏洞数据评价的最小约束函数为：（7）公式（7）中，表示自适应加权学习函数的融合数据信息输出时最小约束函数输出值，表示信息漏洞数据评价的代价函数，表示自适应加权学习函数的融合数据信息输出时最小约束函数输出值的求和上限的值，信息漏洞数据信息优化配置和访问控制目标函数为： （8）公式（8）中，表示对信息漏洞数据识别的模糊聚类中心，信息漏洞数据评估的关联规则判决统计量为：
（9）公式（9）中，表示信息漏洞数据数采样序列，表示两个变元的相关度，，表示均值。
[0010]作为本专利技术进一步的技术方案，信息漏洞数据评估方法为：信息漏洞数据评估方法通过信息漏洞数据信息分布式调度配置权值调整数据信息：（10）公式（10）中，表示信息漏洞数据时间序列采样，中的表示信息漏洞数据时间序列采样类型，表示时间，表示关联分布特征，表示关联分布特征中的函数表示特征，表示信息漏洞数据存在的子空间，采用指数预测法，得到信息漏洞数据评估的指数预测模型为：（11）公式（11）中，与均表示不同信息漏洞类型数据集的样本总数，、和分别表示信息漏洞数据信息均衡配置的权重，表示趋势项指数，表示水平项指数，表示时序项指数，通过信息漏洞数据评估的指数预测模型能够实现漏洞数据信息的分类与计算，得到信息漏洞数据的均衡控制效益函数为：（12）公式（12）中，表示信息漏洞数据信息的集合数据量，表示统计误差，表示统计误差的最小值，表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进型聚类算法的信息漏洞分析方法，其特征在于：包括以下步骤：步骤一、构建聚类中心点，将聚类中心点作为聚类密度最大的点，并设置局部密度和与中心点的距离；步骤二、采用自适应特征分割模型对输入的数据信息进行分割，并逐次对每个数据区域的状态数据存储节点进行自动筛选控制；筛选出来的数据信息被存储；自动筛选控制方法为时间序列索引模型，其中时间序列索引模型函数为：（1）公式（1）中，表示外部数据环境影响因素，表示时间序列索引模型本身影响因素，表示分布式数据集合个数，表示第个分布式数据集合的影响因素，表示第个分布式数据集合受到外部环境影响因素的方差；步骤三、设置数据漏洞分析增益模型，数据漏洞分析增益模型函数表达式为：（2）公式（2）中，表示信息漏洞数据特征提取的节点数，信息漏洞数据分布数据存储节点的采样数据集为，表示信息漏洞数据特征状态函数，为信息漏洞数据特征提取的节点数的初始值，表示数据集个数，表示数据漏洞分析增益模型函数标识；通过数据漏洞分析增益模型计算数据存储节点的采样数据集信息；步骤四、对提取到信息漏洞数据评估，输出信息漏洞数据评估结果。2.根据权利要求1所述的一种改进型聚类算法的信息漏洞分析方法，其特征在于：自适应特征分割模型包括以下方法：步骤(1)、将信息数据集合构建成不同数据属性的特征学习模块，对信息数据集合中的数据信息通过不同的数据属性进行数据信息分类；步骤(2)、提取信息数据集合信息特征，对所提取到的信息数据进行分解，并将分解出的信息数据信息与设置的数据信息进行对比；步骤(3)、构建信息数据集合的学习网络模型，设置阈值调整系数，将漏洞数据信息识别出来，识别方法为信息比较方法；步骤(4)、对信息数据集合特征进行输出，当分割出的数据信息特征与阈值信息不相等时，则返回步骤(2)，则重新进行数据信息分析。3.根据权利要求1所述的一种改进型聚类算法的信息漏洞分析方法，其特征在于：自动筛选控制的方法通过自适应模糊控制方法；控制器输出的计算公式为：（3）公式（3）中，、 和为控制器的参数，表示控制器偏差值，表示控制器偏差值的参数系数；
（4）公式（4）中，、和为控制器的初始状态值；在设定的采样周期时间内得到相应的控制变量为、和。4.根据权利要求1所述的一种改进型聚类算法的信息漏洞分析方法，其特征在于：漏洞分析增益模型内还设置有漏洞检测模块。5.根据权利要求1所述的一种改进型聚类算法的信息漏洞分析方法，其特征在于：...

【专利技术属性】
技术研发人员：欧丹敏，
申请(专利权)人：创思广州电子科技有限公司，
类型：发明
国别省市：