(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211017970.3 (22)申请日 2022.08.24 (71)申请人 温州静雅 新材料技术有限公司 地址 325000 浙江省温州市龙港市凯宇 花 园1幢二单 元1103室 (72)发明人 曾曼芝　张八零　 (51)Int.Cl. H04L 9/40(2022.01) (54)发明名称 光纤网络威胁智能感知方法及其系统 (57)摘要 本申请涉及网络威胁智能感知的领域， 更具 体地， 涉及一种光纤网络威胁智能感知方法及其 系统， 其通过卷积神经网络模型对 所述在多个预 定时间点的多路信号数据进行特征提取， 以提取 出所述各路信号数据中各个数据项之间的高维 隐含关联特征以及所述各路信号数据在时序维 度上的高维隐含关联特征信息， 进一步针对所述 第一特征图至所述第四特征图， 计算每个特征图 与其它特征图的衍生信息超凸度量因数作为每 个所述特征图的加权系数来计算分类特征图以 此来分类。 这样， 可 以使得融合后的各个特征图 间的流形差异性能够适应各子维度投影上的凸 单调性， 从而提高各个特征图在具有高空间复杂 性的高维特征空间内的融合性能， 进而提高网络 威胁智能感知的准确性。 权利要求书3页 说明书12页 附图4页 CN 115296922 A 2022.11.04 CN 115296922 A 1.一种光纤 网络威胁智能感知方法， 其特 征在于， 包括： 获取光纤网络的在多个预定时间点的各路信号数据， 其中， 所述各路信号数据包括拒 绝服务攻击数据、 远程非法访问攻击数据、 超级用户特权非法访问攻击数据和探测 攻击数 据； 将所述多个预定时间点的各路信号数据中的各项数据分别按照样本维度和时间维度 排列为第一至第四输入矩阵后通过 卷积神经网络模型以获得第一至第四特 征图； 计算所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因 数， 其中， 所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因 数为以每两个所述特征图中各个相 应位置的特征值之间的距离的加权和的对数函数值的 加权和； 以所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数 作为每个特征图的加权系数计算所述第一至第四特征图中每个特征图的加权和以获得分 类特征图； 将所述分类特征图通过分类器以获得分类结果， 所述分类结果用于表示光纤网络的安 全等级。 2.根据权利要求1所述的光纤网络威胁智能感知方法， 其中， 将所述多个预定时间点的 各路信号数据中的各项数据分别按照样本维度和时间维度排列为第一至第四输入矩阵后 通过卷积神经网络模型以获得第一至第四特 征图， 包括： 将所述多个预定时间点的各路信号数据中的各项数据分别按照样本维度和时间维度 排列为所述第一至第四输入矩阵； 使用所述卷积神经网络模型的各层在层的正向传递中对输入数据进行卷积处理、 池化 处理和激活处理以由所述卷积神经网络模型的最后一层生成所述第一至第四特征图， 其 中， 所述卷积神经网络模型的第一层的输入为所述第一至第四输入矩阵。 3.根据权利要求2所述的光纤网络威胁智能感知方法， 其中， 计算所述第 一至第四特征 图中每个特征图与其 他特征图之间的衍 生信息超凸度量因数， 包括： 以如下公式计算所述第一至第四特征图中每个特征图与其他特征图之间的所述衍生 信息超凸度量因数； 其中， 所述公式为： 其中fi表示第一个特征图中的各个位置的特征值， fj表示第二个特征图中的各个位置 的特征值， |·|表示所述第一个特 征图与所述第二个特 征图之间的距离 。 4.根据权利要求3所述的光纤网络威胁智能感知方法， 其中， 以所述第 一至第四特征图 中每个特征图与其他特征图之间的衍生信息超凸度量因数作为每个特征图的加权系数计 算所述第一至第四特 征图中每 个特征图的加权和以获得分类特 征图， 包括： 将所述第一至第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数 作为每个特征图的加权系数， 以如下公式计算所述第一至第四特征图中每个特征图的加权 和以获得 所述分类特 征图；权　利　要　求　书 1/3 页 2 CN 115296922 A 2其中， 所述公式为： F＝w1F1+w2F2+w3F3+w4F4 其中， F1表示所述第一特征图， F2表示所述第二特征图， F3表示所述第三特征图， F4表示 所述第四特征图， w1表示所述第一 特征图与其他 特征图之间的流 行维度分布相似性因数， w2 表示所述第二特征图与其他特征图之间的流行维度分布相似性因数， w3表示所述第三特征 图与其他特征图之间的流行维度分布相似性因数， w4表示所述第四特征图与其他特征图之 间的流行维度分布相似性因数， “+”表示所述第一至第四特征图中相对应位置处的元素相 加。 5.根据权利要求4所述的光纤网络威胁智能感知方法， 其中， 将所述分类特征图通过分 类器以获得分类结果， 所述分类结果用于表示 光纤网络的安全等级， 包括： 所述分类器以如下公式对所述分类特征图进行处理以生成分类结果， 其中， 所述公式 为： softmax{(Wn,Bn):…:(W1,B1)|Project(F)}， 其中Project(F)表示将所述分类特征图投 影为向量， W1至Wn为各层全连接层的权 重矩阵， B1至Bn表示各层全连接层的偏置矩阵。 6.一种光纤 网络威胁智能感知系统， 其特 征在于， 包括： 信号数据获取单元， 用于获取光纤网络的在多个预定时间点的各路信号数据， 其中， 所 述各路信号数据包括拒绝服务攻击数据、 远程非法访问攻击数据、 超级用户特权非法访问 攻击数据和探测攻击数据； 特征提取单元， 用于将所述信号数据获取单元获得的所述多个预定时间点的各路信号 数据中的各项数据分别按照样本维度和时间维度排列为第一至第四输入矩阵后通过卷积 神经网络模型以获得第一至第四特 征图； 衍生信息超凸度量因数计算单元， 用于计算所述特征提取单元获得的所述第 一至第四 特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数， 其中， 所述第一至第四 特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数为以每两个所述特征图 中各个相应位置的特 征值之间的距离的加权和的对数函数值的加权和； 分类特征图生成单元， 用于以所述衍生信 息超凸度量因数计算单元获得的所述第 一至 第四特征图中每个特征图与其他特征图之间的衍生信息超凸度量因数作为每个特征图的 加权系数计算所述第一至第四特 征图中每 个特征图的加权和以获得分类特 征图； 以及 分类单元， 用于将所述分类特征图生成单元获得的所述分类特征图通过分类器以获得 分类结果， 所述分类结果用于表示 光纤网络的安全等级。 7.根据权利要求6所述的光纤 网络威胁智能感知系统， 其中， 所述特 征提取单元， 包括： 排列子单元， 用于将所述多个预定时间点的各路信号数据中的各项数据分别按照样本 维度和时间维度排列为所述第一至第四输入矩阵； 卷积子单元， 用于使用所述卷积神经网络模型的各层在层的正向传递中对输入数据进 行卷积处理、 池化处理和激活处理以由所述卷积神经网络模型的最后一层生成所述第一至 第四特征图， 其中， 所述卷积神经网络模型 的第一层的输入为所述排列子单元获得 的所述 第一至第四输入矩阵。 8.根据权利要求7所述的光纤网络威胁智能感知系统， 其中， 所述衍生信 息超凸度量因 数计算单元， 进一步用于： 以如下公式计算所述第一至第四特征图中每个特征图与其他特 征图之间的所述 衍生信息超凸度量因数；权　利　要　求　书 2/3 页 3 CN 115296922 A 3