基于深度学习的数据云平台安全态势感知方法OA

由于数据云平台安全态势受多维要素影响,导致利用要素参量计算输出的安全态势值与实际情况的拟合度较低,因此,本文进行基于深度学习的数据云平台安全态势感知方法研究。分别从数据云平台的数据资源要素、计算能力要素和网络通信要素3个角度构建安全态势评估指标体系。利用Re LU函数对原始量化指标进行稀疏性泛化后,将其输入时间卷积网络中,计算输出不同时间窗口下的安全态势值。测试结果表明,本文设计方法精准量化了数据云平台安全态势多维要素指标参数,将测试云平台服务安全态势值的输出结果与实际值误差稳定在0.05以内,通信安全态势值与实际值的误差稳定在0.1以内,成功提升了拟合度的准确性。