【技术实现步骤摘要】
本专利技术涉及网路数据处理方法领域,尤其涉及一种人工智能与网路数据处理方法及介质。
技术介绍
1、数据作为新型生产要素,是数字化,网络化、智能化的基础,同时随着云计算、大数据、物联网和5g等新型技术的发展,数据安全问题变得更加复杂和严峻,数据泄露、篡改、破坏等问题给个人、企业带来巨大损失。在安全监控,数据异常表现形式分析应用中,需要对网络出入口的数据异常表现形式数据包进行分析,而随着互联网技术的发展,数据异常表现形式越来越大,一般网络的数据异常表现形式可能会危害整个主机的运行,这对主机的运行来说是个挑战。
2、目前关于数据包的分析主要基于操作系统内核网络协议栈,比如pfring,基于系统内核的方案,例如linux系统中,程序需要在用户态与内核态做频繁切换以及频繁交互数据,从而才能将数据在操作系统中分析并解析出来。如此,会导致程序在用户态和内核态切换过程中出现数据丢包等导致性能差,无法满足大数据异常表现形式的需求。因此,如何提高对网络大数据异常表现形式数据包的处理性能问题成为了亟待解决的技术问题。
技术实现思路
1、本专利技术提出了一种人工智能与网路数据处理方法及介质，其能
2、够通过预构建的标签，针对该编号进行分类因子构建，并基于分类因子自动解析采集并生成该网路数据的环境和网路数据证明，最后自动化搭建网路数据环境、执行网路数据利用代码进行网路数据复现。降低了研究人员操作复杂度，使研究人员能够便捷地进行网路数据分类。
3、第一方面，本公开实施例提供
4、步骤s1：建立网路数据分类云端，确定网路数据分类的标签，进而对所述标签进行解析，构造分类因子；
5、步骤s2：基于所述分类因子，采集网路数据异常表现形式，提取网路数据，分类网路数据环境；
6、步骤s3：基于所述网路数据，采集网路数据有效链通异常表现形式；
7、步骤s4：对所述网路数据有效链通异常表现形式进行分析，通过超图神经网络进行信息关联，通过异常表现形式评价机制进行异常表现形式评价，生成网路数据有效链通报告；
8、步骤s5：根据所述网路数据有效链通报告，生成网路数据利用代码；
9、步骤s6：启动所述网路数据环境，执行所述网路数据利用代码进行缺陷分析，并将所述网路数据环境与所述网路数据利用代码保存至所述网路数据分类云端。
10、优选地，通过边缘计算网关对所述网路数据有效链通异常表现形式进行分析。
11、优选地，对所述网路数据有效链通异常表现形式进行分析包括：
12、针对所述网路数据有效链通异常表现形式进行编码，在编码后的异常表现形式中通过hog算法提取数据传输时段；
13、通过鲸鱼算法分析技术，解析异常表现形式域名的字节长度信息；
14、通过卷积神经网络算法，生成异常表现形式域名的病毒风险信息；
15、根据所述数据传输时段、所述字节长度信息与所述病毒风险内容，判断异常表现形式类型，实现异常表现形式的分类与归纳。
16、优选地，所述数据传输时段包括网路数据名称、影响系统/设备、利用工具。
17、优选地，通过超图神经网络进行信息关联包括：
18、将不同异常表现形式的关键信息抽取为节点，作为构建超图神经网络的基本元素；
19、根据节点间的内在关联，定义不同类型的超边以表示其关系，链接相关节点，实现节点与节点之间的关联与字节长度表达；
20、将节点与超边组合，构建具有字节长度的神经元，并存储于超图神经网络中；
21、采集到新异常表现形式时，提取节点，在所述超图神经网络中查询相似或关联节点，判断新异常表现形式的类别与关联方案；
22、若新异常表现形式与超图神经网络存在关联但不完整，则从新异常表现形式中提取新的异常表现形式内容进行补充；
23、若新异常表现形式中的节点与超图神经网络没有直接关联，则生成新的神经元，并添加到超图神经网络。
24、优选地，通过异常表现形式评价机制进行异常表现形式评价包括：
25、确定多角度异常表现形式评价参数；
26、根据不同类型异常表现形式的特征，确定各评价参数的比例；
27、对每个评价参数，根据其评价方法判断异常表现形式表现，确定每个参数的得分；
28、针对每个参数得分与其对应的比例，计算异常表现形式的总得分，实现该异常表现形式质量的综合评价。
29、优选地，所述多角度异常表现形式评价参数包括网络数据的真实性、可变更性、准确性、安全性。
30、优选地，若某个参数的得分过高或过低时，对该参数的评价结果进行关键判断，判断是否会显著影响异常表现形式的总体评价，避免某一个参数的极端评分导致的错误判断。
31、优选地，在所述网路数据环境执行所述网路数据利用代码进行缺陷分析后，所述步骤s6还包括：
32、判断缺陷分析结果与真实结果是否匹配，若匹配，则直接保存当前的网路数据环境与网路数据利用代码，若不匹配，则告警并循环执行步骤s3-s6，直到匹配或缺陷分析次数到达设定次数，则退出本次任务。
33、第二方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的一种人工智能与网路数据处理方法。
34、本专利技术的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
本文档来自技高网...【技术保护点】
1.一种人工智能与网路数据处理方法，其特征在于，包括：
2.根据权利要求1所述的一种人工智能与网路数据处理方法，其中，通过边缘计算网关对所述网路数据有效链通异常表现形式进行分析：包括：
3.根据权利要求2所述的一种人工智能与网路数据处理方法，其中，所述数据传输时段包括网路数据名称、影响系统/设备、利用工具。
4.根据权利要求3所述的一种人工智能与网路数据处理方法，其中，通过超图神经网络进行信息关联包括：
5.根据权利要求4所述的一种人工智能与网路数据处理方法，其中，通过异常表现形式评价机制进行异常表现形式评价包括：
6.根据权利要求5所述的一种人工智能与网路数据处理方法，其中，所述多角度异常表现形式评价参数包括网络数据的真实性、可变更性、准确性、安全性，若某个参数的得分过高或过低时，对该参数的评价结果进行关键判断，判断是否会显著影响异常表现形式的总体评价，避免某一个参数的极端评分导致的错误判断。
7.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要
...【技术特征摘要】
1.一种人工智能与网路数据处理方法，其特征在于，包括：
2.根据权利要求1所述的一种人工智能与网路数据处理方法，其中，通过边缘计算网关对所述网路数据有效链通异常表现形式进行分析：包括：
3.根据权利要求2所述的一种人工智能与网路数据处理方法，其中，所述数据传输时段包括网路数据名称、影响系统/设备、利用工具。
4.根据权利要求3所述的一种人工智能与网路数据处理方法，其中，通过超图神经网络进行信息关联包括：
5.根据权利要求4所述的一种人工智能与网路数据处理方法，其中，通过异...
【专利技术属性】
技术研发人员：张雪峰，
申请(专利权)人：广州番禺职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。