[发明专利]一种基于信息融合技术的网络安全态势感知模型训练方法和装置

权利要求书

1.一种基于信息融合技术的网络安全态势感知模型训练方法，其特征在于，包括：

获取多条关键资产告警数据，每条所述关键资产告警数据包括IP地址和攻击类型；

合并具有相同IP地址的所述关键资产告警数据为一条关键资产告警数据集；

融合所述关键资产告警数据集为关键资产告警数据集库；

根据所述关键资产告警数据集库训练预设的网络安全态势感知模型；

判断所述网络安全态势感知模型的训练结果是否达到预期；

当未达到预期时，重复执行所述获取多条关键资产告警数据的步骤至所述根据所述关键资产告警数据集库训练预设的网络安全态势感知模型的步骤，直至所述网络安全态势感知模型的训练结果达到预期。

2.根据权利要求1所述的方法，其特征在于，所述获取多条关键资产告警数据包括：

采集所述多条关键资产告警数据；

过滤重复的所述关键资产告警数据；

根据IP地址排序所述关键资产告警数据。

3.根据权利要求1或2所述的方法，其特征在于，所述获取多条关键资产告警数据包括：

基于Spark并行计算框架获取所述多条关键资产告警数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述关键资产告警数据集库训练预设的网络安全态势感知模型包括：

采用所述关键资产告警数据集库的一部分训练所述网络安全态势感知模型；

采用所述关键资产告警数据集库的另一部分验证所述网络安全态势感知模型的训练结果。

5.根据权利要求4所述的方法，其特征在于，所述根据所述关键资产告警数据集库训练预设的网络安全态势感知模型包括：

通过Tensorflow软件库和Lstm算法进行所述训练。

6.根据权利要求5所述的方法，其特征在于，还包括：

在通过Tensorflow软件库和Lstm算法进行所述训练的同时，通过TensorBoard可视化调试工具输出训练数据。

7.根据权利要求4-6中任一项所述的方法，其特征在于，所述根据所述关键资产告警数据集库训练预设的网络安全态势感知模型包括：

通过CPU和GPU协同操作进行所述训练。

8.一种基于信息融合技术的网络安全态势感知模型训练装置，其特征在于，包括：

关键资产告警数据获取单元，用于获取多条所述关键资产告警数据，每条所述关键资产告警数据包括IP地址和攻击类型；

告警数据合并单元，用于合并具有相同IP地址的所述关键资产告警数据为一条关键资产告警数据集；

融合单元，用于融合所述关键资产告警数据集为关键资产告警数据集库；

模型训练单元，用于根据所述关键资产告警数据集库训练预设的网络安全态势感知模型；

训练结果判断单元，用于判断所述网络安全态势感知模型的训练结果是否达到预期，以及当所述训练结果未达到预期时，跳转到所述关键资产告警数据获取单元。

9.根据权利要求8所述的装置，其特征在于，所述关键资产告警数据获取单元还用于：基于Spark并行计算框架获取所述关键资产告警数据。

10.根据权利要求8所述的装置，其特征在于，所述模型训练单元还用于：通过Tensorflow软件库和Lstm算法进行所述训练。