一种基于云计算的社交网络即时信息安全监测系统及方法技术方案

本发明专利技术公开了一种基于云计算的社交网络即时信息安全监测系统及方法，属于信息安全监测技术领域。本系统包括：授权模块、网络链接监测模块、数据处理模块、信道拦截模块、云平台；所述授权模块的输出端与所述网络链接监测模块的输入端相连接；所述网络链接监测模块的输出端与所述数据处理模块、信道拦截模块、云平台的输入端相连接；所述数据处理模块的输出端与所述网络链接监测模块、云平台的输入端相连接；所述云平台的输出端与所述网络链接监测模块的输入端、用户终端相连接。本发明专利技术可以对用户终端中来源于社交网络的网络链接进行监测，并利用云平台进行链接的识别与判断，有效提高信息安全。信息安全。信息安全。

【技术实现步骤摘要】
一种基于云计算的社交网络即时信息安全监测系统及方法


[0001]本专利技术涉及信息安全监测
，具体为一种基于云计算的社交网络即时信息安全监测系统及方法。

技术介绍

[0002]信息安全需保证信息的保密性、真实性、完整性、未授权拷贝和所寄生系统的安全性。网络环境下的信息安全体系是保证信息安全的关键，包括计算机安全操作系统、各种安全协议、安全机制(数字签名、消息认证、数据加密等)，直至安全系统，如UniNAC、DLP等，只要存在安全漏洞便可以威胁全局安全。信息安全是指信息系统(包括硬件、软件、数据、人、物理环境及其基础设施)受到保护，不受偶然的或者恶意的原因而遭到破坏、更改、泄露，系统连续可靠正常地运行，信息服务不中断，最终实现业务连续性。
[0003]而在当前的网络环境下，社交网络的崛起代表着全民接触网络，各种不良网络链接夹杂着大量的垃圾数据或者病毒风险，而个体的用户通常很难防范，各类型的防火墙也做不到私密信息的处理。

技术实现思路

[0004]本专利技术的目的在于提供一种基于云计算的社交网络即时信息安全监测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于云计算的社交网络即时信息安全监测方法，该方法包括以下步骤：
[0006]S1、用户通过授权模块允许网络链接监测模块获取社交网络传输的网络链接，网络链接监测模块与用户终端同时获取到社交网络传输的网络链接；
[0007]S2、获取用户终端的历史页面切换时间，预测得出用户终端接收社交网络传输的网络链接的反馈时间t1；
[0008]S3、获取用户在用户终端页面的操作时间，预测得出用户终端与社交网络传输的网络链接建立通信的操作时间t2；
[0009]S4、基于社交网络传输的网络链接字符串，计算网络链接监测模块与云平台的传输时间t3；
[0010]S5、云平台对社交网络传输的网络链接进行验证处理，若存在t3≥t1+t2，网络链接监测模块生成拦截信道，对用户终端发送的所有连接指令进行拦截，在云平台反馈验证处理结果后，若判断为安全，则解除拦截；若判断为风险，发送预警提示至用户终端，用户确认后，解除拦截。
[0011]根据上述技术方案，所述反馈时间t1包括：
[0012]获取用户终端的历史页面切换时间；
[0013]所述用户终端的历史页面切换时间指在用户终端从一个页面切换到另一个页面需要的时间，以日期为计数器，每一个日期下取a组数据；
[0014]以每一个日期下的a组数据的平均值作为每一个日期的历史页面切换时间终点值，按照日期时间顺序记为集合A＝{x1、x2、
…
、x
m
}，其中x1、x2、
…
、x
m
分别代表m组数据的每一个日期的历史页面切换时间终点值，m代表选取的日期数量；
[0015]对集合A中数据作灰色累加生成处理，生成集合B：
[0016][0017]其中，y
b
代表集合B中的第b个数据；b、k代表序号；集合B＝{y1、y2、
…
、y
m
}；1≤b≤m；
[0018]对集合B中数据作加权邻值计算，生成集合C：
[0019]z
f
＝dx
f
+(1
‑
d)x
f
‑1[0020]其中，z
f
代表集合C中的第f个数据；k代表序号；d代表权值比例；1＜f≤m
‑
1；
[0021]构建集合B的白化微分方程为：
[0022][0023]其中，∈为发展灰数；δ为内生控制灰数；
[0024]构建待估参数向量，待估参数向量根据集合A、B、C的数据，写成矩阵，利用最小二乘法计算可得，其中待估参数向量代表发展灰数与内生控制灰数的比值；
[0025]构建模型输出：
[0026][0027]其中，L(m+1)代表在历史数据选取的日期数量为m时的下一个日期的历史页面切换时间终点值的预测数据，将其作为下一个日期的历史页面切换时间输出；
[0028]构建反应时间计算模型：
[0029]t1＝g1*L(m+1)
[0030]其中，g1代表比例函数系数值。
[0031]页面切换时间能够反映用户终端内部自身的使用程度，例如一部手机可能由于垃圾软件、数据堆积或者使用时间长导致的硬件缺陷，这通常反映为我们常见的手机的卡顿现象，在卡顿的过程中，手机需要一定的时间去缓冲内部的控制数据，而这段时间即是我们所得出的反应时间，其与用户终端内部自身存在一定关联。而灰色预测主要为近期预测，即一般以前一次结果作为下一次预测的主要因素，这也与产品实际相匹配，用户终端的性能预测与近期的使用结果密切相关。
[0032]根据上述技术方案，所述操作时间t2包括：
[0033]获取用户在用户终端页面的操作时间；
[0034]所述用户在用户终端页面的操作时间指用户在页面切换到达一个新页面时开始，直至用户进行操作时结束的间隔时间；
[0035]在历史数据中选取n组数据作为训练集，n+1作为下一次的预测结果；
[0036]建立公式如下：
[0037][0038]其中，U
n+1
代表下一次的预测用户在用户终端页面的操作时间；i
n
为预测截距；j
n
为预测斜率；为预测次数；
[0039]i
n
＝2w1‑
w2[0040][0041]其中，w1代表一次移动平均值；w2代表二次移动平均值；r代表参与移动的数据组数；
[0042]根据模型，将输出的U
n+1
记为操作时间t2。
[0043]根据上述技术方案，所述传输时间t3包括：
[0044]获取历史数据中链接的字符串数量在不同网络数据延时下的传输时间，构建传输时间规划模型：
[0045]T3＝v1*F1+v2*F2+θ
[0046]其中，T3代表网络链接监测模块与云平台的传输时间数据；v1代表字符串数量；v2代表网络数据延时；F1、F2分别代表回归系数；θ代表误差因子；
[0047]网络链接监测模块获取社交网络传输的网络链接字符串数量，获取实时网络数据延时，代入传输时间规划模型，生成结果记为传输时间t3。
[0048]字符串或串(String)是由数字、字母、下划线组成的一串字符。一般记为s＝"a1a2
···
an"(n>＝0)。它是编程语言中表示文本的数据类型。字符串在存储上类似字符数组，它每一位单个元素都是能提取的，字符串的零位是它的长度，如s[0]＝10，这提供给我们很多方便，例如高精度运算时每一位都能转化为数字存入数组。因此字符串数量与载有的数据量是成正比关系的，不同数据量的传输时间不同，因此利用模型识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的社交网络即时信息安全监测方法，其特征在于：该方法包括以下步骤：S1、用户通过授权模块允许网络链接监测模块获取社交网络传输的网络链接，网络链接监测模块与用户终端同时获取到社交网络传输的网络链接；S2、获取用户终端的历史页面切换时间，预测得出用户终端接收社交网络传输的网络链接的反馈时间t1；S3、获取用户在用户终端页面的操作时间，预测得出用户终端与社交网络传输的网络链接建立通信的操作时间t2；S4、基于社交网络传输的网络链接字符串，计算网络链接监测模块与云平台的传输时间t3；S5、云平台对社交网络传输的网络链接进行验证处理，若存在t3≥t1+t2，网络链接监测模块生成拦截信道，对用户终端发送的所有连接指令进行拦截，在云平台反馈验证处理结果后，若判断为安全，则解除拦截；若判断为风险，发送预警提示至用户终端，用户确认后，解除拦截。2.根据权利要求1所述的一种基于云计算的社交网络即时信息安全监测方法，其特征在于：所述反馈时间t1包括：获取用户终端的历史页面切换时间；所述用户终端的历史页面切换时间指在用户终端从一个页面切换到另一个页面需要的时间，以日期为计数器，每一个日期下取a组数据；以每一个日期下的a组数据的平均值作为每一个日期的历史页面切换时间终点值，按照日期时间顺序记为集合A＝{x1、x2、
…
、x
m
}，其中x1、x2、
…
、x
m
分别代表m组数据的每一个日期的历史页面切换时间终点值，m代表选取的日期数量；对集合A中数据作灰色累加生成处理，生成集合B：其中，y
b
代表集合B中的第b个数据；b、k代表序号；集合B＝{y1、y2、
…
、y
m
}；1≤b≤m；对集合B中数据作加权邻值计算，生成集合C：z
f
＝dx
f
+(1
‑
d)x
f
‑1其中，z
f
代表集合C中的第f个数据；k代表序号；d代表权值比例；1＜f≤m
‑
1；构建集合B的白化微分方程为：其中，∈为发展灰数；δ为内生控制灰数；构建待估参数向量，待估参数向量根据集合A、B、C的数据，写成矩阵，利用最小二乘法计算可得，其中待估参数向量代表发展灰数与内生控制灰数的比值；构建模型输出：
其中，L(m+1)代表在历史数据选取的日期数量为m时的下一个日期的历史页面切换时间终点值的预测数据，将其作为下一个日期的历史页面切换时间输出；构建反应时间计算模型：t1＝g1*L(m+1)其中，g1代表比例函数系数值。3.根据权利要求2所述的一种基于云计算的社交网络即时信息安全监测方法，其特征在于：所述操作时间t2包括：获取用户在用户终端页面的操作时间；所述用户在用户终端页面的操作时间指用户在页面切换到达一个新页面时开始，直至用户进行操作时结束的间隔时间；在历史数据中选取n组数据作为训练集，n+1作为下一次的预测结果；建立公式如下：其中，U
n+1
代表下一次的预测用户在用户终端页面的操作时间；i
n
为预测截距；j
n
为预测斜率；为预测次数；i
n
＝2w1‑
w2其中，w1代表一次移动平均值；w2代表二次移动平均值；r代表参与移动的数据组数；根据模型，将输出的U
n+1
记为操作时间t2。4.根据权利要求3所述的一种基于云计算的社交网络即时信息安全监测方法，其特征在于：所述传输时间t3包括：获取历史数据中链接的字符串数量在不同网络数据延时下的传输时间，构建传输时间规划模型：T3＝v1*F1+v2*F2+θ其中，T3代表网络链接监测模块与云平台的传输时间数据；v1代表字符串数量；v2代表网络数据延时；F1、F2分别代表回归系数；θ代表误差因子；网络链接监测模块获取社交网络传输的网络链接字符串数量，获取实时网络数据延时，代入传输时间规划模型，生成结果记为传输时间t3。5.根据权利要求4所述的一种基于云计算...

【专利技术属性】
技术研发人员：陈轩毅，李欣雨，
申请(专利权)人：山西西电信息技术研究院有限公司，
类型：发明
国别省市：