一种网络安全评价系统的制作方法

1.本发明涉及网络安全技术领域，具体的是一种网络安全评价系统。


背景技术：

2.网络安全是一个比较复杂的系统工程，网络安全既有技术方面的问题，也有管理方面的问题，因此，做好网络安全的防御，要从技术和管理两个方面的来入手；增强网络安全的技术防范能力，完善管理体系。
3.单位的网络安全是目前很多单位急需解决的问题，包括单位本身基于遭受的网络威胁、单位自身网络安全和数据安全隐患、单位网络安全设备的管理规章等几个方面；现有的单位网络安全考核技术由于信息来源单一，只能从元数据范围来评判网络安全严重性，根本无法准确考核单位网络安全真实情况。


技术实现要素：

4.为解决上述背景技术中提到的不足，本发明的目的在于提供一种网络安全评价系统，用于解决现有技术无法准确考核单位网络安全真实情况的技术问题。
5.本发明的目的可以通过以下技术方案实现：一种网络安全评价系统，包括数据采集模块、数据处理模块、数据分析模块、执行模块和报警模块；
6.数据采集模块，用于采集单位网络相关数据，所述单位网络相关数据包括单位网络浏览数据，单位网络搜索数据和单位网络互动数据，并且将采集到的单位网络相关数据发送至数据处理模块进行数据处理；
7.数据处理模块，用于对单位网络相关数据进行处理，将单位网络浏览数据，单位网络搜索数据和单位网络互动数据进行标记，并且计算得出第一网络评价指标、第二网络评价指标和第三网络评价指标，将计算得出的第一网络评价指标、第二网络评价指标和第三网络评价指标发送至数据分析模块；
8.数据分析模块，用于利用第一网络评价指标、第二网络评价指标和第三网络评价指标计算得出综合网络评价指标，并且与设定的标准网络评价指标进行比例计算，若综合网络评价指标超过标准网络评价指标的1.5倍，则说明此时的单位网络安全出现问题，数据分析模块发送执行信号至执行模块，执行模块在收到执行信号后将单位的网络切断，且数据分析模块发送报警信号至报警模块，报警模块通过报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若综合网络评价指标未超过标准网络评价指标的1.5倍，表明此时的单位网络安全未出现问题。
9.优选地，所述数据处理模块的处理过程包括以下步骤：
10.将单位网络浏览数据标记为d
li
，将单位网络互动数据标记为d
hi
，将单位网络搜索数据标记为d
si
，其中，i为采集次数标号，且i＝1、2、3、...、n，其中n为采集次数总数；
11.利用公式计算得出第一网络评价指标z
bli
，式中，d
l0
为平均单位
网络浏览系数，a和b均为单位网络浏览数据影响系数；
12.利用公式计算得出第二网络评价指标z
bhi
，式中，d
h0
为平均单位网络互动系数，c和d均为单位网络互动数据影响系数；
13.利用公式计算得出第三网络评价指标z
bsi
，式中，d
s0
为平均单位网络搜索系数，e和f均为单位网络搜索数据影响系数。
14.优选地，所述数据分析模块计算综合网络评价指标的过程如下：
15.利用公式计算得出综合网络评价指标z
gi
，式中，α为第一指标影响系数，β为第二指标影响系数，k为第三指标影响系数；
16.优选地，所述数据分析模块的分析过程如下：
17.利用计算得出的综合网络评价指标z
gi
与设定的标准网络评价指标z
ba
进行比例计算，若说明此时的单位网络安全出现问题，数据分析模块发送执行信号至执行模块，执行模块在收到执行信号后将单位的网络切断，且数据分析模块发送报警信号至报警模块，报警模块通过报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若说明此时的单位网络安全未出现问题。
18.优选地，所述数据分析模块对标准网络评价指标的设定过程如下：
19.通过数据分析模块内的数据采集终端来对平常的单位网络信息进行录入，其中单位网络信息包括浏览信息，搜索信息和互动信息；
20.将单位网络信息与网络安全映射模型相结合，获取并存储评价指标，然后将所有获取得到的评价指标进行整合计算求取平均值从而形成标准网络评价指标，所述网络安全映射模型基于人工智能模型进行训练。
21.优选地，基于人工智能模型来对网络安全映射模型进行训练的过程为：
22.通过服务器整合并获取标准网络信息；
23.通过标准网络信息对人工智能模型进行训练，获取并存储网络安全映射模型。
24.优选地，所述人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。
25.本发明的有益效果：
26.本发明在使用的过程中，首先采集单位网络相关数据，并且对单位网络相关数据中的单位网络浏览数据，单位网络搜索数据和单位网络互动数据进行标记，并利用单位网络浏览数据，单位网络搜索数据和单位网络互动数据分别计算得出第一网络评价指标、第二网络评价指标和第三网络评价指标，然后利用第一网络评价指标、第二网络评价指标和第三网络评价指标计算得出综合网络评价指标，且与设定的标准网络评价指标进行比例计算，若综合网络评价指标超过标准网络评价指标的1.5倍，则说明此时的单位网络安全出现问题，需要将单位的网络切断，且报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若综合网络评价指标未超过标准网络评价指标的1.5倍，表明此时的单位网络安全
未出现问题，从而实现了准确考核单位网络安全真实情况的功能。
附图说明
27.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；
28.图1是本发明原理图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
30.如图1所示，一种网络安全评价系统，包括数据采集模块、数据处理模块、数据分析模块、执行模块和报警模块；
31.所述数据采集模块用于采集单位网络相关数据，并且将采集到的单位网络相关数据发送至数据处理模块进行数据处理，需要进一步进行说明的是，在具体实施过程中，所述单位网络相关数据包括单位网络浏览数据，单位网络搜索数据和单位网络互动数据；
32.需要进行说明的是，在具体实施例下，所述单位网络浏览数据指代单位用户每一步的访问脚步，进一步刻画出用户的访问路径，分析不同页面的跳转概率；所述单位网络搜索数据指代搜索引擎记录的关键词被搜索频次的时间序列数据，能反映数亿用户的兴趣、关注点、意图；所述单位网络互动数据反映单位用户使用微博、微信、社交网站和非完全安全网站的数据，反映用户的倾向性和情绪因素；
33.由此可见，单位网络浏览数据主要是指用户对于单位内部专用系统上的浏览使用记录，对于单位网络安全问题上的重要性最大，单位网络互动数据主要指某些不是特别安全的网站使用时所采集的数据，对于单位网络安全的影响也较大，单位网络搜索数据指代为搜索的频次数据，所以对单位网络安全方面来说影响小；
34.所述数据处理模块用于对接收到的单位网络相关数据进行数据处理，具体的，数据处理模块的处理过程包括以下步骤：
35.对单位网络相关数据进行数据处理，将单位网络浏览数据标记为d
li
，将单位网络互动数据标记为d
hi
，将单位网络搜索数据标记为d
si
，其中，i为采集次数标号，且i＝1、2、3、...、n，其中n为采集次数总数；
36.利用公式计算得出第一网络评价指标z
bli
，式中，d
l0
为平均单位网络浏览系数，a和b均为单位网络浏览数据影响系数；
37.利用公式计算得出第二网络评价指标z
bhi
，式中，d
h0
为平均单位网络互动系数，c和d均为单位网络互动数据影响系数；
38.利用公式计算得出第三网络评价指标z
bsi
，式中，d
s0
为平均单位网络搜索系数，e和f均为单位网络搜索数据影响系数；
39.数据处理模块将计算得出的第一网络评价指标z
bli
、第二网络评价指标z
bhi
和第三网络评价指标z
bsi
发送至数据分析模块进行数据分析；
40.所述数据分析模块在接收到数据处理模块发送的第一网络评价指标z
bli
、第二网络评价指标z
bhi
和第三网络评价指标z
bsi
后，进行数据分析，具体的，数据分析模块的分析过程包括以下步骤：
41.利用公式计算得出综合网络评价指标z
gi
，式中，α为第一指标影响系数，β为第二指标影响系数，k为第三指标影响系数；
42.利用计算得出的综合网络评价指标z
gi
与设定的标准网络评价指标z
ba
进行比例计算，若则说明计算得出的综合网络评价指标超过标准网络评价指标的1.5倍，则说明此时的单位网络安全出现问题，数据分析模块发送执行信号至执行模块，执行模块在收到执行信号后将单位的网络切断，且数据分析模块发送报警信号至报警模块，报警模块通过报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若则说明计算得出的综合网络评价指标未超过标准网络评价指标的1.5倍，表明此时的单位网络安全未出现问题。
43.需要进一步进行说明的是，在具体实施过程中，所述数据分析模块对标准网络评价指标的设定过程如下：
44.通过数据分析模块内的数据采集终端来对平常的单位网络信息进行录入，其中单位网络信息包括浏览信息，搜索信息和互动信息；
45.将单位网络信息与网络安全映射模型相结合，获取并存储评价指标，然后将所有获取得到的评价指标进行整合计算求取平均值从而形成标准网络评价指标，所述网络安全映射模型基于人工智能模型进行训练。
46.需要进行说明的是，基于人工智能模型来对网络安全映射模型进行训练的过程为：
47.通过服务器整合并获取标准网络信息；
48.通过标准网络信息对人工智能模型进行训练，获取并存储网络安全映射模型；其中，所述人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。
49.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
50.以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术
人员应该了解，本公开不受上述实施例的限制，上述实施例和说明书中描述的只是说明本公开的原理，在不脱离本公开精神和范围的前提下，本公开还会有各种变化和改进，这些变化和改进都落入要求保护的本公开范围内容。

技术特征：
1.一种网络安全评价系统，其特征在于，包括数据采集模块、数据处理模块、数据分析模块、执行模块和报警模块；数据采集模块，用于采集单位网络相关数据，所述单位网络相关数据包括单位网络浏览数据，单位网络搜索数据和单位网络互动数据，并且将采集到的单位网络相关数据发送至数据处理模块进行数据处理；数据处理模块，用于对单位网络相关数据进行处理，将单位网络浏览数据，单位网络搜索数据和单位网络互动数据进行标记，并且计算得出第一网络评价指标、第二网络评价指标和第三网络评价指标，将计算得出的第一网络评价指标、第二网络评价指标和第三网络评价指标发送至数据分析模块；数据分析模块，用于利用第一网络评价指标、第二网络评价指标和第三网络评价指标计算得出综合网络评价指标，并且与设定的标准网络评价指标进行比例计算，若综合网络评价指标超过标准网络评价指标的1.5倍，则说明此时的单位网络安全出现问题，数据分析模块发送执行信号至执行模块，执行模块在收到执行信号后将单位的网络切断，且数据分析模块发送报警信号至报警模块，报警模块通过报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若综合网络评价指标未超过标准网络评价指标的1.5倍，表明此时的单位网络安全未出现问题。2.根据权利要求1所述的一种网络安全评价系统，其特征在于，所述数据处理模块的处理过程包括以下步骤：将单位网络浏览数据标记为d
li
，将单位网络互动数据标记为d
hi
，将单位网络搜索数据标记为d
si
，其中，i为采集次数标号，且i＝1、2、3、...、n，其中n为采集次数总数；利用公式计算得出第一网络评价指标z
bli
，式中，d
l0
为平均单位网络浏览系数，a和b均为单位网络浏览数据影响系数；利用公式计算得出第二网络评价指标z
bhi
，式中，d
h0
为平均单位网络互动系数，c和d均为单位网络互动数据影响系数；利用公式计算得出第三网络评价指标z
bsi
，式中，d
s0
为平均单位网络搜索系数，e和f均为单位网络搜索数据影响系数。3.根据权利要求1所述的一种网络安全评价系统，其特征在于，所述数据分析模块计算综合网络评价指标的过程如下：利用公式计算得出综合网络评价指标z
gi
，式中，α为第一指标影响系数，β为第二指标影响系数，k为第三指标影响系数。4.根据权利要求3所述的一种网络安全评价系统，其特征在于，所述数据分析模块的分析过程如下：利用计算得出的综合网络评价指标z
gi
与设定的标准网络评价指标z
ba
进行比例计算，若
说明此时的单位网络安全出现问题，数据分析模块发送执行信号至执行模块，执行模块在收到执行信号后将单位的网络切断，且数据分析模块发送报警信号至报警模块，报警模块通过报警提示工作人员，工作人员在听到报警提示后对网络进行检修，若说明此时的单位网络安全未出现问题。5.根据权利要求4所述的一种网络安全评价系统，其特征在于，所述数据分析模块对标准网络评价指标的设定过程如下：通过数据分析模块内的数据采集终端来对平常的单位网络信息进行录入，其中单位网络信息包括浏览信息，搜索信息和互动信息；将单位网络信息与网络安全映射模型相结合，获取并存储评价指标，然后将所有获取得到的评价指标进行整合计算求取平均值从而形成标准网络评价指标，所述网络安全映射模型基于人工智能模型进行训练。6.根据权利要求5所述的一种网络安全评价系统，其特征在于，基于人工智能模型来对网络安全映射模型进行训练的过程为：通过服务器整合并获取标准网络信息；通过标准网络信息对人工智能模型进行训练，获取并存储网络安全映射模型。7.根据权利要求6所述的一种网络安全评价系统，其特征在于，所述人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。

技术总结
本发明公开了一种网络安全评价系统，涉及网络安全技术领域，包括数据采集模块、数据处理模块、数据分析模块、执行模块和报警模块，采集单位网络相关数据，并且对单位网络相关数据中的单位网络浏览数据，单位网络搜索数据和单位网络互动数据进行标记，并利用单位网络浏览数据，单位网络搜索数据和单位网络互动数据分别计算得出第一网络评价指标、第二网络评价指标和第三网络评价指标，然后利用第一网络评价指标、第二网络评价指标和第三网络评价指标计算得出综合网络评价指标，且与设定的标准网络评价指标进行比例计算，分析是否出现单位网络安全问题，从而实现准确考核单位网络安全真实情况的功能。情况的功能。


技术研发人员：袁俊杰 王波 崔恩泽 张英伟
受保护的技术使用者：国科华盾(北京)科技有限公司
技术研发日：2022.12.22
技术公布日：2023/7/11