一种基于深度学习的网络流量数据安全评估方法及系统

本申请提供一种基于深度学习的网络流量数据安全评估方法及系统，将原始网络流量数据转化为包含拓扑结构、节点属性和时序行为的图结构数据集合。这一过程通过邻接矩阵与拉普拉斯矩阵编码网络实体间的关联强度，并融合时间窗口切片提取的时序特征，形成时空融合输入张量。相较于传统流量分析仅关注单一协议或速率阈值，该方法通过图结构建模实现了网络行为的全局关联性表达。通过图结构建模、多维度特征融合及概率化风险评估，能够适应网络拓扑的动态变化和攻击模式的持续演进，使得最终的评估结果更加准确。