技术特征：
1.一种加固型网络安全监控预警系统，其特征在于，包括：监控单元、感兴趣区域提取单元、孪生单元、度量单元以及加固提示单元；监控单元用于获取待监控网络安全设备的监控图像；感兴趣区域提取单元用于将所述待监测网络安全设备的监控图像通过感兴趣区域识别网络以得到感兴趣区域，所述感兴趣区域为连接线连接区域或接口连接区域；孪生单元用于将所述感兴趣区域和参考图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到检测特征图和参考特征图；其中，所述参考图像为连接规范的连接线连接区域图像或连接规范的接口连接图像；度量单元用于将所述检测特征图和所述参考特征图通过基于关系网络的距离度量模型以得到距离特征向量；加固提示单元用于将所述距离特征向量作为分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否产生加固预警提示。2.根据权利要求1所述的加固型网络安全监控预警系统，其特征在于，孪生单元包括：检测图像特征提取子单元，用于将所述感兴趣区域通过包含第一卷积神经网络的孪生网络模型以得到检测特征图；其中，所述检测图像特征提取子单元，进一步用于：使用所述第一卷积神经网络的卷积编码部分对所述感兴趣区域进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络的空间注意力部分以得到第一空间注意力图；将所述第一空间注意力图通过softmax激活函数以得到第一空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到检测特征图。3.根据权利要求2所述的加固型网络安全监控预警系统，其特征在于，所述孪生单元，包括：参考图像特征提取子单元，用于将所述参考图像通过包含第二卷积神经网络的孪生网络模型以得到参考特征图，其中，所述参考图像为连接规范的连接线连接区域图像或连接规范的接口连接图像；其中，所述参考图像特征提取子单元，进一步用于：使用所述第二卷积神经网络的卷积编码部分对所述参考图像进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第二卷积神经网络的空间注意力部分以得到第二空间注意力图；将所述第二空间注意力图通过softmax激活函数以得到第二空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到参考特征图。4.根据权利要求3所述的加固型网络安全监控预警系统，其特征在于，所述度量单元，包括：第一全连接编码子单元，用于使用所述关系网络的第一全连接层对所述检测特征图进行全连接编码以得到深度检测特征向量；第二全连接编码子单元，用于使用所述关系网络的第二全连接层对所述参考特征图进行全连接编码以得到深度参考特征向量；以及
差分子单元，用于计算所述深度检测特征向量和所述深度参考特征向量之间的差分以得到所述距离特征向量。5.根据权利要求4所述的加固型网络安全监控预警系统，其特征在于，所述差分子单元，包括：以如下公式来计算所述深度检测特征向量和所述深度参考特征向量之间的差分以得到所述距离特征向量；其中，所述公式为：其中，v1表示所述深度检测特征向量，v2表示深度参考特征向量，表示按位置作差。6.根据权利要求5所述的加固型网络安全监控预警系统，其特征在于，所述加固提示单元，包括：全连接编码子单元，用于使用分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成子单元，用于将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。7.根据权利要求1所述的加固型网络安全监控预警系统，其特征在于，还包括用于对所述感兴趣区域识别网络、所述孪生网络模型、所述基于关系网络的距离度量模型和所述分类器进行训练的训练模块。8.根据权利要求7所述的加固型网络安全监控预警系统，其特征在于，所述训练模块，还包括：训练数据采集单元，用于获取训练数据，所述训练数据包括训练监控图像、训练参考图像以及是否产生加固预警提示的真实标签值；训练感兴趣区域提取单元，用于将所述训练监控图像通过感兴趣区域识别网络以得到训练感兴趣区域；训练孪生单元，用于将所述训练感兴趣区域和所述训练参考图像通过所述包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到训练检测特征图和训练参考特征图；训练度量单元，用于将所述训练检测特征图和所述训练参考特征图通过所述基于关系网络的距离度量模型以得到训练距离特征向量；分类损失单元，用于将所述训练距离特征向量作为分类特征向量通过分类器以得到分类损失函数值；特征模式消解损失单元，用于计算所述训练检测特征图和所述训练参考特征图的特征提取模式消解的抑制损失函数值，所述特征提取模式消解的抑制损失函数值与由所述训练检测特征图展开得到的第一特征向量和由所述训练参考特征图展开得到的第二特征向量之间的差分特征向量的二范数的平方有关；以及训练单元，用于以所述分类损失函数值和所述特征提取模式消解的抑制损失函数值的加权和作为损失函数值对所述感兴趣区域识别网络、所述孪生网络模型、所述基于关系网络的距离度量模型和所述分类器进行训练。9.根据权利要求8所述的加固型网络安全监控预警系统，其特征在于，所述特征模式消解损失单元还用于：以如下公式计算所述训练检测特征图和所述训练参考特征图的特征提取模式消解的抑制损失函数值；
其中，所述公式为：其中，所述公式为：其中v1表示所述训练检测特征图展开得到的第一特征向量，v2表示所述训练参考特征图展开得到的第二特征向量，m1和m2分别是所述分类器对于所述特征向量v1和v2的权重矩阵，‖
·
‖
f
表示矩阵的f范数，且表示向量的二范数的平方，表示按位置减法。10.一种加固型网络安全监控预警方法，其特征在于，方法采用如权利要求1至9任意一项所述的加固型网络安全监控预警系统；方法包括：获取待监控网络安全设备的监控图像；将所述待监测网络安全设备的监控图像通过感兴趣区域识别网络以得到感兴趣区域，所述感兴趣区域为连接线连接区域或接口连接区域；将所述感兴趣区域和参考图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到检测特征图和参考特征图；其中，所述参考图像为连接规范的连接线连接区域图像或连接规范的接口连接图像；将所述检测特征图和所述参考特征图通过基于关系网络的距离度量模型以得到距离特征向量；将所述距离特征向量作为分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否产生加固预警提示。
技术总结
本发明提供一种加固型网络安全监控预警系统及方法，涉及网络安全领域，获取待监控网络安全设备的监控图像；将所述待监测网络安全设备的监控图像通过感兴趣区域识别网络以得到感兴趣区域；将所述感兴趣区域和参考图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到检测特征图和参考特征图；将检测特征图和所述参考特征图通过基于关系网络的距离度量模型以得到距离特征向量；将所述距离特征向量作为分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否产生加固预警提示。对网络安全设备的连接稳定性进行实时监测，以在发现连接线或者接口发生松动时，产生预警提示，进而提示用户来进行加固。固。固。
技术研发人员：温晓明 吴泰学 谢云峰 贾斌 侯伟 苏广斌
受保护的技术使用者：山东钢铁集团日照有限公司
技术研发日：2022.10.19
技术公布日：2023/3/7