[发明专利]基于人工智能的多元异构网络安全数据可视化系统

摘要

基于人工智能的多元异构网络安全数据可视化系统，包括网络安全数据分析模块、网络安全数据可视化界面、可视化用户登录界面和网络危险预警模块，所述网络安全数据分析模块用于对采集得到的网络安全数据源进行处理和分析，所述网络安全数据可视化界面用于对生成的网络安全态势预测结果进行可视化展示，所述可视化用户登录界面为管理人员提供账号和密码输入界面，所述危险预警模块用于在网络安全态势预测结果显示网络存在危险时进行预警。本发明的有益效果为：采用改进的D‑S证据理论对多元异构网络安全数据进行融合，从而预测网络安全态势，并采用可视化形式对预测结果进行展示，能够便于管理人员快速认知网络安全态势和及时发现网络攻击。

主权项

1.基于人工智能的多元异构网络安全数据可视化系统，其特征是，包括网络安全数据分析模块、网络安全数据可视化界面、可视化用户登录模块和网络危险预警模块，所述网络安全数据分析模块用于对采集得到的网络安全数据源进行处理和分析，从而对网络安全态势进行预测，所述网络安全数据可视化界面采用树图和时间序列图的形式对生成的网络安全态势预测结果进行可视化展示，所述可视化用户登录模块为管理人员提供账号和密码输入界面，管理人员通过输入账号和密码才可进入网络安全数据可视化界面，所述网络危险预警模块用于在网络安全态势预测结果显示网络存在危险时以闪光灯闪烁和警报的形式通知管理员，所述网络安全数据分析模块包括网络安全数据库、网络安全数据处理单元和网络安全态势分析单元，所述网络安全数据库用于实时获取来自不同渠道的原始网络安全数据源并进行存储，所述网络安全数据处理单元用于对所述原始网络安全数据源进行聚类和融合操作，完成网络安全数据源的预处理，所述网络安全态势分析单元用于根据处理后的网络安全数据源进行网络安全态势预测，所述网络安全数据处理单元采用D‑S证据理论对所述原始网络安全数据源进行融合，设辨识框架为Θ＝{A,B}，数据源对目标某一特征的测量结果为x，则D‑S证据理论算法中的基本概率赋值的构造步骤如下：步骤1，输入辨识框架中A、B的样本数据以及测量结果x；步骤2，分别计算A、B样本数据的均值E_A、E_B和方差S_A、S_B；步骤3，将测量结果x代入A、B的基本概率赋值函数，其中，E_i为样本数据的均值，S_i为样本数据的方差，r为调节系数，x为测量结果，计算出和步骤4，对计算所得的和进行标准化处理，得到和所述网络安全数据处理单元采用D‑S证据理论对所述原始网络安全数据进行融合，其提出一种综合修正指数f_i对D‑S证据理论中的证据模型进行修改，具体为：(1)设辨识框架Θ＝{θ₁,θ₂,…,θ_n}，幂集为N个证据为{e₁,e₂,…,e_N}，对应N个证据的基本概率赋值函数为{m₁,m₂,…,m_N}，则综合修正指数f_i的计算公式为：式中，2ⁿ为焦元的个数，N为证据的个数，m_i(A_m)为第i个证据对焦元A_m的信任度分配，m_j(A_n)为第j个证据对焦元A_n的信任度分配，m_i(A_j)为第i个证据对焦元A_j的信任度分配，A_j,A_m,A_n∈2^Θ，Z_i为第i证据最近D次中目标辨识成功的次数；(2)采用综合修正指数f_i对D‑S证据理论中的模型进行修改，具体为：式中，A_j∈2^Θ，f_i为综合修正指数，m_i(A_j)为第i个证据对焦元A_j的信任度分配，m_i(Θ)为第i个证据的不确定性的信任度分配。