[发明专利]用于云数据安全事件的快速定位态势感知方法及系统

权利要求书

1.一种用于云数据安全事件的快速定位态势感知方法，其特征在于，包括有如下步骤：

数据采集，构建基于细粒度的数据采集模型，对云数据进行分解、融合和采集；

快速定位，构建基于空间维度的快速定位模型，对采集得到的云数据进行快速定位；

态势感知，构建基于红黑树的态势感知模型，对定位得到的云数据进行安全态势感知；

态势评估，构建基于知识图谱的态势评估模型，对感知得到的云数据进行安全态势评估。

2.根据权利要求1所述的方法，其特征在于，所述的构建基于细粒度的数据信息采集模型，包括有如下步骤：

对云数据进行安全事件风险分解，得到云数据安全事件的子风险；

利用证据合成规则对云数据安全事件的各个子风险进行融合；

根据融合的云数据安全事件风险情况，对云数据安全事件进行采集。

3.根据权利要求1所述的方法，其特征在于，所述的构建基于空间维度的快速定位模型，包括有如下步骤：

构建云数据安全事件的数据集；

用空间维度的特征向量描述各子数据集，将整个数据集映射到维度空间；

用相似性度量函数测量两个数据集之间的距离；

对于任意给定的数据集，设置定位算法，快速找出距离最近的数据集。

4.根据权利要求3所述的方法，其特征在于，所述的构建云数据安全事件的数据集为X＝{x₁，x₂，…，x_n}∈R^n×d，其中，n为数据集个数，d为空间维度，R为实数集。

5.根据权利要求3所述的方法，其特征在于，所述的用空间维度的特征向量描述各子数据集，将整个数据集映射到维度空间为

每个数据集x_n的哈希定义如下：

每个数据集x_n与函数f_L经过上述哈希后，映射生成长度为L的哈希值H(x_n)：H(x_n)＝{h₁(x_n)，h₂(x_n)，…h_L(x_n)}∈{0，1}^L；

云数据安全事件的整个数据集X映射后的哈希值为：

6.根据权利要求3所述的方法，其特征在于，所述的用相似性度量函数测量两个数据集之间的距离为其中，n为数据集个数，hi和h_j分别表示不同数据集x_n的哈希值。

7.根据权利要求3所述的方法，其特征在于，所述的定位算法，包括有如下步骤：

将整个数据集X映射得到哈希值B；

计算各子数据集之间的相似度矩阵S；

将S的上三角阵从大到小排序，取前L-k个数值所在的列号作为需要去除哈希值的集合D；

删除哈希值B中集合D所记录的哈希值，得到简化后的哈希值B'，即为定位得到的数据集X'。

8.根据权利要求1所述的方法，其特征在于，所述的构建基于红黑树的态势感知模型，包括有如下步骤：

先将哈希运算应用到态势感知中，构建基于红黑树的态势感知模型；

根据原始的云数据安全事件的子风险生成安全威胁数据，再用红黑树对定位得到的有效云数据安全事件进行分析；

在前述过程中，利用红黑树中节点的颜色、节点指针左旋和/或右旋变化对云数据安全事件进行态势分析，其中将节点为红色的认定为安全威胁数据，再继续量化分析得出云数据当前的安全态势。