【技术实现步骤摘要】
本专利技术涉及数据安全管理，具体是基于人工智能的企业数据安全管理方法和系统。
技术介绍
1、随着企业数字化转型的加速和网络环境的日益复杂，企业数据安全已成为企业运营中不可忽视的重要环节。然而，当前企业网络系统面临的安全威胁日益增多，数据通道异常频发，给企业的正常运营带来了极大的风险。传统的企业数据安全管理方法往往依赖于人工监控和事后处理，难以快速准确地识别安全威胁和数据通道异常，导致数据泄露、系统瘫痪等严重后果。该系统利用先进的人工智能技术，通过深度学习和大数据分析，能够实时监控企业网络系统的安全状况，快速识别潜在的安全威胁和数据通道异常。
技术实现思路
1、(1)要解决的技术问题
2、本专利技术的目的在于提供基于人工智能的企业数据安全管理方法和系统，以解决在企业在网络安全方面对潜在威胁的识别以及数据通道异常时如何保证数据传输的可靠性和完整性的难题。
3、(2)技术方案
4、为实现上述目的，一方面，本专利技术提供了基于人工智能的企业数据安全管理方法，所述方法包括：
5、获取当前网络节点ip地址、mac地址、设备类型、网络角色得到节点状态信息序列，获取节点连接状态信息建立有向关系图谱，根据所述有向关系图谱和所述节点状态信息序列建立gcn模型计算出网络可达矩阵。
6、根据所述有向关系图谱获取当前网络动态链路拓扑并将所述网络动态链路拓扑进行序列化处理得到不同时间片的静态拓扑时间状态片进而提取深层维度状态特征信息数据，将所述状态特
7、将所述网络状态模型进行层级划分并从中提取第二特征数据序列，所述第一特征数据序列与所述第二特征数据序列通过辨识公式匹配链路异常模式，通过所述异常模式匹配数据通道异常信息并对异常数据通道中数据流进行备份，根据所述数据通道异常信息实施备用数据通道策略。
8、进一步地，所述根据所述有向关系图谱和所述节点状态信息序列建立gcn模型计算出网络可达矩阵的方法包括：
9、将所述有向关系图谱通过图划分算法划分出目标子图，获取所述目标子图中各个节点之间的并集记为公共集，通过相似度计算公式得到各节点之间相似度权值并构建相似邻接矩阵a；所述相似度计算公式为：
10、
11、其中，s表示所述公共集的节点数，t(vi∩vj)表示与vi节点和vj节点同时相邻的节点个数；kin是vi节点和vj节点的入度和，kout是vi节点和vj节点的出度和，i＝1，2，3，……，n，j＝1，2，3……，n。
12、获取所述有向关系图谱中各节点的平均度，将当前节点的平均度与其邻居节点的平均度进行求和得到当前节点特征构建特征矩阵；将所述相似邻接矩阵和所述特征矩阵聚合得到聚合矩阵构建gcn模型捕捉所述有向图谱中节点和边连续状态关系得到状态向量，通过计算所述状态向量之间的相似度距离得到所述网络可达矩阵。
13、进一步地，所述将所述有向关系图谱通过图划分算法划分出目标子图的方法包括：
14、获取所述有向关系图谱中每个节点的邻居节点记为邻居集，同时获取每个节点的邻居集与其邻居节点的邻居集的交集和并集根据权重计算公式得到节点权值记为权值系数；所述权重计算公式为：
15、
16、其中，n(vm)表示节点vi邻居节点的邻居集，n(vi)表示节点vi的邻居集，ji表示节点vi的权值系数，i＝1，2，3……，n。
17、将权值系数符合系统预设相似度阈值的节点记为第一相似节点集合，将权值系数不符合系统预设相似度阈值的节点集合记为第二相似节点集合，在所述有向关系图谱中删除第一相似节点集合中节点的边得到第二有向关系图谱，并在第二有向关系图谱中为所述第二相似节点集合的节点相互添加相邻有向边并将节点的权值系数设为所述第三有向关系图谱中节点的权重值ω得到带权值的目标子图g＝(v，e，ω)，其中v代表第二相似节点集合中节点，e代表第二相似节点集合中节点的出边。
18、进一步地，所述根据所述有向关系图谱获取当前网络动态链路拓扑并将所述网络动态链路拓扑进行序列化处理得到不同时间片的静态拓扑时间状态片的方法包括：
19、提取网络动态链路拓扑中预设时间段内节点之间数据传输信息记为信息序列，通过时延计算公式计算出所述信息序列的时延抖动序列；所述时延计算公式为：
20、
21、其中，n是所述信息序列中数据包的总数，di是所述信息序列第i个数据包的延迟时间。
22、所述时延抖动序列根据目标函数生成初始时间片，并通过遗传算法得到调整时间片，将所述网络动态链路拓扑根据调整时间片切割得到静态拓扑时间状态片；所述目标函数为：
23、
24、其中，a是所述时延抖动序列的序列长度，tm是所述所述时延抖动序列第m个时延抖动值，m＝1，2，……，a，j＝m，m+1，……，a。
25、进一步地，所述将所述网络可达矩阵与所述第一特征数据序列通过融合算法得到网络状态模型的方法包括：
26、通过关联函数数字化所述第一特征数据序列[p11，p12，……，p1i]历史状态对当前状态的影响得到时空状态特性值序列，关联函数为：
27、
28、其中，是p1i在t时刻的值，是p1i在t-δh时刻的值，τ是所述第一特征数据序列的序列长度，i＝1，2，……，n。
29、所述网络可达矩阵根据节点相关性函数得到空间特性值序列；节点相关性函数为：
30、
31、其中，lik表示节点i与节点k的路径长度，aik表示节点j与节点k的路径长度；rj＝(lj1，lj2，……，ljn)，是rj的路径长度的平均值，ri＝(li1，li2，……，lin)，是ri的路径长度的平均值，k＝1，2，……，n，i＝1，2，……，n，j＝1，2，……，n。
32、将所述时空状态特性值序列与所述空间特性值序列进行多特征值融合得到状态融合特征序列，通过gcn模型聚合所述状态融合特征序列和所述有向关系图谱得到节点时空状态拓扑图，遍历所述节点时空状态拓扑图通过线性规则得到时空状态融合矩阵，所述时空状态融合矩阵通过神经网络算法构建网络时空状态模型。
33、进一步地，所述第一特征数据序列与所述第二特征数据序列通过辨识公式匹配链路异常模式，通过所述异常模式匹配数据通道异常信息的方法包括：
34、所述第一特征数据序列[p11，p12，……，p1i]与所述第二特征数据序列[p21，p22，……，p2i]根据第一辨识公式得到变形数据序列[r1，r2，……，rm]；所述第一辨识公式：
35、
36、其中，cov(p1i，p2i)为p1i与p2i的协方差，i＝1，2，3，……，n；m＝1，2，……，n。...
【技术保护点】
1.基于人工智能的企业数据安全管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的企业数据安全管理的方法，其特征在于，所述根据所述有向关系图谱和所述节点状态信息序列建立GCN模型计算出网络可达矩阵的方法包括：
3.根据权利要求2所述的基于人工智能的企业数据安全管理方法，其特征在于，所述将所述有向关系图谱通过图划分算法划分出目标子图的方法包括：
4.根据权利要求1所述的基于人工智能的企业数据安全管理方法，其特征在于，所述根据所述有向关系图谱获取当前网络动态链路拓扑并将所述网络动态链路拓扑进行序列化处理得到不同时间片的静态拓扑时间状态片的方法包括：
5.根据权利要求1所述的基于人工智能的企业数据安全管理方法，其特征在于，所述将所述网络可达矩阵与所述第一特征数据序列通过融合算法得到网络状态模型的方法包括：
6.根据权利要求1所述的基于人工智能的企业数据安全管理方法，其特征在于，所述第一特征数据序列与所述第二特征数据序列通过辨识公式匹配链路异常模式，通过所述异常模式匹配数据通道异常信息的方法包括：
...【技术特征摘要】
1.基于人工智能的企业数据安全管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的企业数据安全管理的方法，其特征在于，所述根据所述有向关系图谱和所述节点状态信息序列建立gcn模型计算出网络可达矩阵的方法包括：
3.根据权利要求2所述的基于人工智能的企业数据安全管理方法，其特征在于，所述将所述有向关系图谱通过图划分算法划分出目标子图的方法包括：
4.根据权利要求1所述的基于人工智能的企业数据安全管理方法，其特征在于，所述根据所述有向关系图谱获取当前网络动态链路拓扑并将所述网络动态链路拓扑进行序列化处理得到不同时间片的静态拓扑时间状态片的方法包...
【专利技术属性】
技术研发人员：刘明华，石鹏，王莉，
申请(专利权)人：威海众达信息科技有限公司，
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。