一种基于深度学习的实时网络安全监控防护方法和系统

本申请提出了一种基于深度学习的实时网络安全监控防护方法和系统，通过卷积神经网络提取网络流量的局部特征，利用长短时记忆网络对异常的网络流量分析时序特征，识别网络攻击类型；基于网络攻击的流量速率、持续时间和来源I P数量计算网络攻击的强度，基于网络流量的局部特征计算风险评分，将风险评分和网络攻击的强度加权计算得到综合评分；响应于不同类型的网络攻击并结合不同类型的网络攻击的综合评分，执行不同的网络攻击防护措施,根据网络攻击的强度和风险评分实时调整防护级别，记录网络攻击信息和防护措施并生成安全日志。本申请能够实时分析网络流量，识别网络攻击类型并采取相应的防护措施，提高了网络攻击检测的准确性，降低了风险。