System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本文件涉及安全,尤其涉及一种风险预测方法和装置。
技术介绍
1、随着互联网技术的发展,业务系统处理的数据量越来越大,负责存储业务数据的网络规模也日益庞大。若存储业务数据的网络遭受恶意攻击,不仅会造成网络瘫痪,业务数据的丢失和损毁可能会带来巨大的经济风险和安全风险。若通过风险预测及时发现恶意攻击并采取对应预警措施,能够有效保护用户的数据安全。因此,如何提高风险预测的准确性的问题,越来越受到关注。
技术实现思路
1、本说明书一个实施例的目的是提供一种风险预测方法和装置,以解决如何提高风险预测的准确性的问题。
2、为解决上述技术问题,本说明书一个实施例是这样实现的:
3、第一方面,本说明书一个实施例提供了一种风险预测方法,包括:
4、获取预设组件采集的第一业务数据,以及,根据所述第一业务数据确定所述预设组件采集的异常业务数据;
5、根据所述异常业务数据分别进行均值计算处理、中位值计算处理以及标准差计算处理,得到所述预设组件的异常均值、异常中位值以及异常标准差;
6、根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数;
7、根据所述异常评价参数和所述第一业务数据,确定所述预设组件的安全态势信息;
8、根据所述异常评价参数和所述安全态势信息,对所述第一业务数据进行风险预测处理,得到风险预测结果。
9、第二方面,本说明书另一个实施例
10、数据确定模块,用于获取预设组件采集的第一业务数据,以及,根据所述第一业务数据确定所述预设组件采集的异常业务数据;
11、数据计算模块,用于根据所述异常业务数据分别进行均值计算处理、中位值计算处理以及标准差计算处理,得到所述预设组件的异常均值、异常中位值以及异常标准差;
12、参数确定模块,用于根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数;
13、信息确定模块,用于根据所述异常评价参数和所述第一业务数据,确定所述预设组件的安全态势信息;
14、风险预测模块,用于根据所述异常评价参数和所述安全态势信息,对所述第一业务数据进行风险预测处理,得到风险预测结果。
15、第三方面,本说明书又一个实施例提供了一种风险预测设备,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现如上述第一方面所述的风险预测方法的步骤。
16、第四方面,本说明书再一个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用于存储计算机可执行指令,所述计算机可执行指令被处理器执行时实现如上述第一方面所述的风险预测方法的步骤。
17、本实施例提供的风险预测方法,获取预设组件采集的第一业务数据,以及,根据第一业务数据确定预设组件采集的异常业务数据;根据异常业务数据分别进行均值计算处理、中位值计算处理以及标准差计算处理,得到预设组件的异常均值、异常中位值以及异常标准差;根据异常业务数据、第一业务数据、异常均值、异常中位值以及异常标准差,确定预设组件的异常评价参数;根据异常评价参数和第一业务数据,确定预设组件的安全态势信息;根据异常评价参数和安全态势信息,对第一业务数据进行风险预测处理,得到风险预测结果,以此,能够在不同的预设组件所采集不同维度的业务数据特征不同的情况下,基于异常业务数据、第一业务数据、异常均值、异常中位值以及异常标准差,生成预设组件的异常评价参数,进而利用该异常评价参数,在生成安全态势信息和利用安全态势信息进行风险预测的过程中将不同维度的业务数据转换为整体网络的风险预测结果,提高了风险预测的准确性。
本文档来自技高网...【技术保护点】
1.一种风险预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第一评价参数;所述预设组件的数量为多个;所述根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数,包括:
3.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第二评价参数;所述根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数,包括:
4.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第一评价参数和第二评价参数;所述第一业务数据包括多个子数据;所述安全态势信息包括每个所述子数据的安全态势评价信息;所述根据所述异常评价参数和所述第一业务数据,确定所述预设组件的安全态势信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述异常评价参数和所述安全态势信息,对所述第一业务数据进行风险预测处理,得到风险预测结果,包括:
6.根据权利要求5所述的方法,其特征在于,
7.根据权利要求5所述的方法,其特征在于,所述预设组件的数量为多个;所述第一业务数据中每个所述子数据按照时间采集顺序排列;所述风险预测权重信息包括多个预设风险等级的权重值;所述根据所述风险预测权重信息、所述第一评价参数、所述第二评价参数、所述业务数据均值,对所述第一业务数据进行风险预测处理,得到所述风险预测结果,包括:
8.一种风险预测装置,其特征在于,包括:
9.一种风险预测设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述计算机可执行指令在上述处理器上运行时,能够实现上述权利要求1-7任一项所述的风险预测方法的步骤。
10.一种计算机可读存储介质,该计算机可读存储介质中存储有计算机可执行指令,其特征在于,所述计算机可执行指令在被处理器执行时,能够实现上述权利要求1-7任一项所述的风险预测方法的步骤。
...【技术特征摘要】
1.一种风险预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第一评价参数;所述预设组件的数量为多个;所述根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数,包括:
3.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第二评价参数;所述根据所述异常业务数据、所述第一业务数据、所述异常均值、所述异常中位值以及所述异常标准差,确定所述预设组件的异常评价参数,包括:
4.根据权利要求1所述的方法,其特征在于,所述异常评价参数包括第一评价参数和第二评价参数;所述第一业务数据包括多个子数据;所述安全态势信息包括每个所述子数据的安全态势评价信息;所述根据所述异常评价参数和所述第一业务数据,确定所述预设组件的安全态势信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述异常评价参数和所述安全态势信息,对所述第一业务数据进行风险预测处理,得到风险预测结果,包括:
6.根据权利要求5所述...
【专利技术属性】
技术研发人员:应剑捷,李伟,李一铖,范胡磊,
申请(专利权)人:中国移动通信集团浙江有限公司,
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。