[发明专利]一种通过自适应集成的设备安全威胁预测方法及装置

权利要求书

1.一种通过自适应集成的设备安全威胁预测方法，其特征在于，所述方法包括：

采集多个设备运行时的异常数据集，并将所述异常数据集分别输入至n个预设的神经网络，得到n个预测结果，其中，n为大于1的正整数；

对所述n个预测结果进行权重分配和集成得到初始集成结果；

利用所述初始集成结果重复进行权重迭代更新得到目标集成结果；

基于所述目标集成结果预测设备潜在的安全威胁。

2.根据权利要求1所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述对所述n个预测结果进行权重分配和集成得到初始集成结果，包括：

分别计算所述n个预测结果中两两预测结果之间的欧式距离，得到每个所述预测结果对应的n-1个欧式距离；

根据每个所述预测结果对应的n-1个欧式距离计算每个神经网络对应的网络支持度；

基于所述网络支持度计算每个神经网络对应的初始权重，得到n个初始权重；

根据所述n个初始权重计算n个预设的神经网络对应的初始集成结果。

3.根据权利要求2所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述欧式距离的计算公式如下所示：

其中，为第i个预测结果，为第j个预测结果，为欧式距离；N为每个预测结果所包含的元素个数；x_mi为第i个预测结果中的第m个元素，x_mj为第j个预测结果中的第m个元素。

4.根据权利要求3所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述根据每个所述预测结果对应的n-1个欧式距离计算每个神经网络对应的网络支持度，包括：

分别计算每个所述欧式距离对应的两个预测结果相互之间的相互支持度，得到n-1个相互支持度；

基于所述n-1个相互支持度计算每个神经网络对应的网络支持度；

其中，所述相互支持度的计算如下式所示：

上式中，为第i个预测结果与第j个预测结果之间的欧式距离；e为自然对数的底数；欧式距离对应的两个预测结果之间的相互支持度；

所述网络支持度的计算如下式所示：

其中，为第i个神经网络对应的网络支持度。

5.根据权利要求4所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述初始权重的计算如下式所示：

其中，为第i个神经网络对应的网络支持度；为第j个神经网络对应的支持度；n为神经网络的数量。

6.根据权利要求2所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述根据所述n个初始权重计算n个预设的神经网络对应的初始集成结果，包括：

将所述n个初始权重进行组合得到n个预设的神经网络对应的初始权重矩阵；

基于所述初始权重矩阵计算得到n个预设的神经网络对应的初始集成结果；

所述初始集成结果的计算如下式所示：

E(A)＝A(W⁰)^T；

其中，E(A)为初始集成结果；A为所述n个预测结果的集合；(W⁰)^T为初始权重矩阵。

7.根据权利要求6所述的通过自适应集成的设备安全威胁预测方法，其特征在于，所述利用所述初始集成结果重复进行权重迭代更新得到目标集成结果，包括：

根据所述初始集成结果计算每个神经网络对应的权重调整系数；

基于所述每个神经网络对应的权重调整系数计算得到对应的更新权重，得到n个更新权重；

利用所述n个更新权重更新所述初始集成结果直至达到预设的迭代更新次数，得到目标集成结果；

其中，所述权重调整系数的计算公式如下所示：

上式子中：α_i为第i个神经网络对应的权重调整系数；

所述更新权重的计算公式如下所示：

其中，为更新权重；为起始权重；α_i为第i个神经网络对应的权重调整系数；n为神经网络的数量。