龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京网藤科技有限公司
申请日：2023-12-29
公开（公告）日：2024-06-21
公开（公告）号：CN117729047B
主分类号：H04L9/40
分类号：H04L9/40;G06N3/088;G06N3/09
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2024.04.05#实质审查的生效;2024.03.19#公开
摘要：本发明提供一种用于工控网络流量审计的智能学习引擎方法及系统。该发明通过对工控网络流量进行全面审计，自动收集工控网络的流量数据行为并提取行为特征，并通过智能学习引擎进行进一步的智能分析。通过学习模型建立的算法，综合监督式学习和非监督式学习，实现自动化特征规则的提取和生成。同时，智能学习引擎还能够根据网络拓扑和网络协议的实际情况，自动组合出适用的新的特征规则，并对特征规则以外的异常数据和操作行为进行告警。
主权项：1.一种用于工控网络流量审计的智能学习引擎方法，其特征在于，包括，步骤S1：收集工控网络流量数据；步骤S2：基于收集的工控网络流量数据，执行用户节点行为特征的提取和表征；步骤S3：建立基于监督式学习模型和非监督式学习模型的智能学习引擎；步骤S4：通过智能学习引擎进行用户行为特征的分类，并自动进行规则生成；步骤S5：基于自动生成的特征规则，执行异常数据和操作行为的告警；步骤S3中，监督式学习模型表示为：；将用户行为数据集随机划分为个子集合，表示为；将每个子集合所含的用户行为特征向量联合为矩阵，作为该监督式学习模型的输入层输入值，该监督式学习模型的输出层的输出值为子集合的包含的分类标记至组合的输出队列，通过训练确定该监督式学习模型的神经网络参数；非监督式学习模型表示为：；对于只包含用户行为特征向量的数据集，将其随机划分为个子集合，表示为，其中表示数据集中用户行为特征向量联合的矩阵；表示基于联合的矩阵输入非监督式学习模型所得的非监督用户行为特征量；进而，计算非监督用户行为特征量和监督式学习网络的输出层的输出队列二者之间的logits值：，其中是非监督用户行为特征量的第维，是输出队列的第个队列值，表示向量内积运算；根据该logits值计算本子集合的InfoNCE损失函数：，其中为一个预置常数；对于总的个子集合，InfoNCE损失函数：，由此训练非监督式学习模型的神经网络参数，获得最优化的神经网络参数。
全文数据：
权利要求：
百度查询： 北京网藤科技有限公司 一种用于工控网络流量审计的智能学习引擎方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号