摘要
本发明公开了一种基于大数据的网络安全数据分析方法。其中,该方法包括:采集来源于网络流量日志、系统访问记录、异常登录尝试、以及各类网络攻击的特征数据;采用基于量子信息量子态复用的生成对抗网络算法进行数据扩充;利用三层的全连接神经网络进行数据特征提取,提高神经网络的参数优化效率;将提取后的数据输入到特征降维模型中进行训练,使特征向量能更准确地捕捉到输入数据的关键信息;将降维后的数据输入到分类器中进行分类器的训练,通过采用梯度增强机制,对隐藏层的权重进行调整;利用训练完成的模型处理新样本,通过对新样本进行分类,实现快速、准确网络安全分析,快速识别和响应潜在的网络攻击,实现攻击的自动化阻断或缓解。
技术关键词
量子态
网络安全分析
数据特征提取
数据分析方法
网络流量日志
参数
分类器
特征提取模型
生成对抗网络
数据包传输速率
极限学习机算法
动态
样本
内部网络结构
重构原始数据
网络安全数据
编码器