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() 一种基于类脑计算的态势感知方法技术_技高网

一种基于类脑计算的态势感知方法技术

技术编号:43464250 阅读:17 留言:0更新日期:2024-11-27 13:01
本发明专利技术涉及网络安全技术领域,具体涉及一种基于类脑计算的态势感知方法;包括如下步骤:构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据;采用多传输通道获取传感器和网络设备的实时运行数据;依据实时运行数据,使用类脑计算平台对比状态情况,并输出异常状态数值;根据异常状态数值进行网络态势评估、威胁评估及态势预测,并进行可视化展示;通过上述方式,提高在处理复杂网络环境中的威胁时的数据获取效率,进而实现处理复杂网络环境的高精度及快响应。

【技术实现步骤摘要】

本专利技术涉及网络安全,尤其涉及一种基于类脑计算的态势感知方法


技术介绍

1、随着大数据和人工智能技术的快速发展,基于类脑计算的方法因其模拟人脑的信息处理机制,具有更高的灵活性和智能性;态势感知主要依赖于传统的数据处理和分析方法,这些方法在应对复杂多变的网络环境时存在局限性,如传统方法在处理复杂网络环境中的威胁时数据获取效率低,导致在处理过程中存在精度不足、响应滞后的问题。

2、因此,提出一种提高在处理复杂网络环境中的威胁时的数据获取效率,进而实现高精度、快响应的基于类脑计算的态势感知方法是十分有必要的。


技术实现思路

1、本专利技术的目的在于提供一种基于类脑计算的态势感知方法,旨在解决现有技术中的在处理复杂网络环境中的威胁时数据获取效率低,导致在处理过程中存在精度不足、响应滞后的问题。

2、为实现上述目的,本专利技术采用的一种基于类脑计算的态势感知方法,包括如下步骤:

3、构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据;

4、采用多传输通道获取传感器和网络设备的实时运行数据;

5、依据实时运行数据,使用类脑计算平台对比状态情况,并输出异常状态数值;

6、根据异常状态数值进行网络态势评估、威胁评估及态势预测,并进行可视化展示。

7、其中,在构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据的步骤中:

8、输入异常状态的根类数据,并划分异常的多个子类数据;

9、依次在多个子类数据下进行数据细分,得到多个状态情况数据;

10、记录多个状态情况数据,并为多个状态情况数据匹配对应的异常状态数值数据,构建异常状态的层次模型;

11、记录异常状态数值数据及其状态情况数据,并存储。

12、其中,在采用多传输通道获取传感器和网络设备的实时运行数据的步骤中:

13、连接传感器和网络设备,并获取传感器和网络设备的实时运行数据;

14、划分多条传输通道,并设立数据缓冲架;

15、在缓冲架中缓冲多条传输通道传输的实时运行数据,并对实时运行数据进行预处理。

16、其中,在缓冲架中缓冲多条传输通道传输的实时运行数据,并对实时运行数据进行预处理的步骤中:

17、预处理包括数据完整性验证、数据清洗、数据集成、数据归一化。

18、其中,在依据实时运行数据,使用类脑计算平台对比状态情况,并输出异常状态数值的步骤中:

19、获取传感器和网络设备的实时运行数据,使用类脑计算平台将实时运行数据及异常状态数值数据进行匹配,获取异常状态数据;

20、根据匹配得到的异常状态数据,输出异常状态数值。

21、其中,在根据异常状态数值进行网络态势评估、威胁评估及态势预测,并进行可视化展示的步骤中:

22、获取对比后的异常状态数值;

23、将异常状态数值输入至层次模型,获取该异常状态数值的状态情况数据;

24、分别进行网络态势评估、威胁评估及态势预测,并进行可视化展示。

25、其中,在进行网络态势评估的步骤中:

26、对网络当前的安全状态和薄弱环节进行定性、定量分析,评估网络的业务安全、数据安全、基础设施安全和整体安全状况;其中评估结果包括网络中的弱点、潜在威胁、已发生的攻击事件及其影响。

27、其中,在进行威胁评估的步骤中:

28、对异常状态的威胁要素进行量化分析,计算其威胁度,根据威胁度计算结果,将威胁划分为不同的等级;其中威胁等级包括低危、中危、高危。

29、其中,在进行态势预测的步骤中:

30、建立预测模型,并根据获取的状态情况数据执行预测过程。

31、本专利技术的一种基于类脑计算的态势感知方法,构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据;采用多传输通道获取传感器和网络设备的实时运行数据;依据实时运行数据,使用类脑计算平台对比状态情况,并输出异常状态数值;根据异常状态数值进行网络态势评估、威胁评估及态势预测,并进行可视化展示;通过上述方式,提高在处理复杂网络环境中的威胁时的数据获取效率,进而实现处理复杂网络环境的高精度及快响应。

本文档来自技高网
...

【技术保护点】

1.一种基于类脑计算的态势感知方法,其特征在于,包括如下步骤:

2.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据的步骤中:

3.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在采用多传输通道获取传感器和网络设备的实时运行数据的步骤中:

4.如权利要求3所述的基于类脑计算的态势感知方法,其特征在于,在缓冲架中缓冲多条传输通道传输的实时运行数据,并对实时运行数据进行预处理的步骤中:

5.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在依据实时运行数据,使用类脑计算平台对比状态情况,并输出异常状态数值的步骤中:

6.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在根据异常状态数值进行网络态势评估、威胁评估及态势预测,并进行可视化展示的步骤中:

7.如权利要求6所述的基于类脑计算的态势感知方法,其特征在于,在进行网络态势评估的步骤中:

8.如权利要求6所述的基于类脑计算的态势感知方法,其特征在于,在进行威胁评估的步骤中:

9.如权利要求6所述的基于类脑计算的态势感知方法,其特征在于,在进行态势预测的步骤中:

...

【技术特征摘要】

1.一种基于类脑计算的态势感知方法,其特征在于,包括如下步骤:

2.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在构建异常状态的层次模型,获取异常状态数值数据及其状态情况数据的步骤中:

3.如权利要求1所述的基于类脑计算的态势感知方法,其特征在于,在采用多传输通道获取传感器和网络设备的实时运行数据的步骤中:

4.如权利要求3所述的基于类脑计算的态势感知方法,其特征在于,在缓冲架中缓冲多条传输通道传输的实时运行数据,并对实时运行数据进行预处理的步骤中:

5.如权利要求1所述的基于类脑计算的态势感...

【专利技术属性】
技术研发人员:李昊李睿徐立峰
申请(专利权)人:南京佶合信息科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1