摘要
本发明涉及基于大模型的网络数据分析与图构建领域,具体涉及一种基于大模型的动态边与超节点异构图构建方法及设备。本发明的方法包括:基于第一大模型从预处理后的网络流量数据中提取网络实体以及关系数据;基于第二大模型提取当前时间窗口内每个网络实体的语义、行为和上下文特征,生成每个网络实体的特征嵌入向量;利用改进的DBSCAN算法,根据特征嵌入向量对网络实体进行跨时间窗口增量聚类,得到当前时间窗口内的超节点和噪声点;利用当前时间窗口内的超节点构建异构图;针对当前时间窗口内的超节点,计算语义相似度、时序关联度和因果推理得分,进而更新异构图中动态边的权重。本申请提高了异构图的时效性和准确性以及对网络攻击的快速响应能力。
技术关键词
节点
异构
实体
网络流量数据
动态
噪声
数据依赖关系
语义
计算机可读存储设备
上下文特征
时序分析技术
时序分析方法
生成自然语言
度度量方法
算法
聚类
可视化技术
分析事件
系统为您推荐了相关专利信息
显示驱动芯片
低功耗控制模块
灰阶
数据处理模块
接口模块
接收机
BP神经网络构建
格网
方位角
非暂态计算机可读存储介质
重识别方法
原型
联合损失函数
动态更新
行人重识别
数据缓存单元
机器学习模型
硬件加速器
多通道
非线性