服务于大数据信息安全平台的漏洞修复方法及AI修复系统与流程

服务于大数据信息安全平台的漏洞修复方法及ai修复系统
技术领域
1.本发明涉及信息安全技术领域，具体而言，涉及一种服务于大数据信息安全平台的漏洞修复方法及ai修复系统。


背景技术：

2.当前，对于高度依赖信息竞争力的互联网信息服务商来说，信息安全的重要性已经无需多言，但是，随着信息安全市场技术创新的不断加速，新的威胁、技术和方法不断涌现，为互联网信息服务商的信息安全策略制定带来了困惑。基于此，需要针对大数据信息安全平台进行安全漏洞分析，进而便于进行漏洞修复配置的决策。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本发明的目的在于提供一种服务于大数据信息安全平台的漏洞修复方法及ai修复系统。
4.第一方面，本发明实施例提供一种服务于大数据信息安全平台的漏洞修复方法，应用于ai修复系统，所述方法包括：对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对所述风险攻击事件数据的安全漏洞概率分布；结合所述安全漏洞概率分布，输出所述安全防护运行服务的有效安全漏洞集合；确定所述安全防护运行服务匹配所述有效安全漏洞集合中各个有效安全漏洞的安全防护薄弱点信息；结合所述各个有效安全漏洞的安全防护薄弱点信息，在所述安全防护运行服务所对应的安全漏洞修复进程中配置对应的安全漏洞修复固件信息。
5.在第一方面的一种可能的实施方式中，所述对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对所述风险攻击事件数据的安全漏洞概率分布的步骤，具体包括：获取已配置安全漏洞追溯网络和与风险攻击事件数据所对应的安全防护运行服务，结合所述安全防护运行服务和所述风险攻击事件数据输出待追溯数据；所述已配置安全漏洞追溯网络包括基准安全漏洞追溯分支和衍生安全漏洞追溯分支；所述基准安全漏洞追溯分支和所述衍生安全漏洞追溯分支分别是结合多个安全漏洞类别属性进行漏洞特征深度学习输出的；结合所述基准安全漏洞追溯分支对所述待追溯数据进行漏洞攻击特征解析，输出攻击知识推理特征和所述多个安全漏洞类别属性分别对应的漏洞攻击渗透链特征，结合所述攻击知识推理特征和多个漏洞攻击渗透链特征，输出与所述多个安全漏洞类别属性所对应的基准安全漏洞概率分布；将所述待追溯数据分别传递到所述衍生安全漏洞追溯分支中的多个安全漏洞追溯节点，结合各安全漏洞追溯节点分别确定的安全漏洞追溯数据，输出所述衍生安全漏洞
追溯分支获得的与所述多个安全漏洞类别属性所对应的衍生安全漏洞概率分布；在所述已配置安全漏洞追溯网络中，对所述基准安全漏洞概率分布和所述衍生安全漏洞概率分布进行整合，输出所述安全防护运行服务针对所述风险攻击事件数据的安全漏洞概率分布。
6.譬如，所述方法还包括：获取目标安全漏洞追溯训练模型和与范例安全防护运行服务所对应的范例安全防护感知数据，结合所述范例安全防护运行服务和所述范例安全防护感知数据确定范例待追溯数据；所述目标安全漏洞追溯训练模型包括第一目标安全漏洞追溯训练分支和第二目标安全漏洞追溯训练分支；所述第一目标安全漏洞追溯训练分支和所述第二目标安全漏洞追溯训练分支分别是结合多个安全漏洞类别属性进行漏洞特征深度学习输出的；结合所述第一目标安全漏洞追溯训练分支对所述范例待追溯数据进行漏洞攻击特征解析，输出范例攻击知识推理特征和所述多个安全漏洞类别属性分别对应的范例漏洞攻击渗透链特征，结合所述范例攻击知识推理特征和多个范例漏洞攻击渗透链特征，输出与所述多个安全漏洞类别属性所对应的第一范例安全漏洞概率分布；将所述范例待追溯数据分别传递到所述第二目标安全漏洞追溯训练分支中的多个目标训练安全漏洞追溯子分支，结合各目标训练安全漏洞追溯子分支分别确定的范例安全漏洞追溯数据，输出所述第二目标安全漏洞追溯训练分支获得的与所述多个安全漏洞类别属性所对应的第二范例安全漏洞概率分布；在所述目标安全漏洞追溯训练模型中，对所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行整合，输出所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞概率分布，结合所述第一范例安全漏洞概率分布、所述第二范例安全漏洞概率分布、所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据和所述范例安全漏洞概率分布，对所述目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络；所述已配置安全漏洞追溯网络用于追溯确认安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布；所述在所述目标安全漏洞追溯训练模型中，对所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行整合，输出所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞概率分布，结合所述第一范例安全漏洞概率分布、所述第二范例安全漏洞概率分布、所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据和所述范例安全漏洞概率分布，对所述目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络的步骤，具体包括：在所述目标安全漏洞追溯训练模型中，对所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行均值转换，输出所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞概率分布；结合所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据和所述范例安全漏洞概率分布，输出所述目标安全漏洞追溯训练模型的第一模
型收敛评估指标；结合所述第一范例安全漏洞概率分布和所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据，输出所述第一目标安全漏洞追溯训练分支的第二模型收敛评估指标；结合所述第二范例安全漏洞概率分布和所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据，输出所述第二目标安全漏洞追溯训练分支的第三模型收敛评估指标；结合所述第一模型收敛评估指标、所述第二模型收敛评估指标和所述第三模型收敛评估指标，输出所述目标安全漏洞追溯训练模型的全局模型收敛评估指标，结合所述全局模型收敛评估指标对所述目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络；所述目标安全漏洞追溯训练模型还包括目标漏洞整合训练分支；所述在所述目标安全漏洞追溯训练模型中，对所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行整合，输出所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞概率分布，结合所述第一范例安全漏洞概率分布、所述第二范例安全漏洞概率分布、所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据和所述范例安全漏洞概率分布，对所述目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络的步骤，具体包括：结合所述第一范例安全漏洞概率分布和所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据，输出所述第一目标安全漏洞追溯训练分支的第二模型收敛评估指标，结合所述第二模型收敛评估指标对所述第一目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第一目标安全漏洞追溯训练分支作为基准安全漏洞追溯分支；结合所述第二范例安全漏洞概率分布和所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据，输出所述第二目标安全漏洞追溯训练分支的第三模型收敛评估指标，结合所述第三模型收敛评估指标对所述第二目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第二目标安全漏洞追溯训练分支作为衍生安全漏洞追溯分支；对所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行整合，输出范例整合安全漏洞概率分布；将所述范例整合安全漏洞概率分布传递到所述目标漏洞整合训练分支，结合所述目标漏洞整合训练分支对所述范例整合安全漏洞概率分布中的所述第一范例安全漏洞概率分布和所述第二范例安全漏洞概率分布进行整合学习，输出所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞概率分布；结合所述范例安全防护运行服务针对所述范例安全防护感知数据的范例安全漏洞先验数据和所述范例安全漏洞概率分布，对所述目标漏洞整合训练分支进行模型迭代开发，将模型迭代开发后的目标漏洞整合训练分支作为漏洞整合分支；将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络；
所述已配置安全漏洞追溯网络包括所述漏洞整合分支、所述基准安全漏洞追溯分支和所述衍生安全漏洞追溯分支。
7.第二方面，本发明实施例还提供一种服务于大数据信息安全平台的漏洞修复系统，所述服务于大数据信息安全平台的漏洞修复系统包括ai修复系统以及与所述ai修复系统通信连接的多个ai修复系统；所述ai修复系统，用于：对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对所述风险攻击事件数据的安全漏洞概率分布；结合所述安全漏洞概率分布，输出所述安全防护运行服务的有效安全漏洞集合；确定所述安全防护运行服务匹配所述有效安全漏洞集合中各个有效安全漏洞的安全防护薄弱点信息；结合所述各个有效安全漏洞的安全防护薄弱点信息，在所述安全防护运行服务所对应的安全漏洞修复进程中配置对应的安全漏洞修复固件信息。
8.采用以上任意一个方面的实施例方案，通过对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布，结合安全漏洞概率分布，输出安全防护运行服务的有效安全漏洞集合以及有效安全漏洞集合，分析安全防护运行服务匹配有效安全漏洞集合中各个有效安全漏洞的安全防护薄弱点信息，结合各个有效安全漏洞的安全防护薄弱点信息，在安全防护运行服务所对应的安全漏洞修复进程中配置对应的安全漏洞修复固件信息，从而在安全漏洞追溯的基础上，同时结合有效安全漏洞和匹配有效安全漏洞的安全防护薄弱点信息进行漏洞修复配置，进而提高漏洞修复的可靠性。
附图说明
9.图1为本发明实施例提供的服务于大数据信息安全平台的漏洞修复方法的流程示意图。
具体实施方式
10.下面介绍本发明一种实施例提供的服务于大数据信息安全平台的漏洞修复系统10的架构，该服务于大数据信息安全平台的漏洞修复系统10可以包括ai修复系统100以及与ai修复系统100通信连接的ai修复系统200。其中，服务于大数据信息安全平台的漏洞修复系统10中的ai修复系统100和ai修复系统200可以通过配合执行以下方法实施例所描述的服务于大数据信息安全平台的漏洞修复方法，具体ai修复系统100和ai修复系统200的执行步骤部分可以参照以下方法实施例的详细描述。
11.本实施例提供的服务于大数据信息安全平台的漏洞修复方法可以由ai修复系统100执行，下面结合图1对该服务于大数据信息安全平台的漏洞修复方法进行详细介绍。
12.step100，对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对所述风险攻击事件数据的安全漏洞概率分布。
13.本实施例中，安全漏洞概率分布可以用于表示该安全防护运行服务针对所述风险攻击事件数据中的各个目标风险漏洞的概率值。
14.step200，结合所述安全漏洞概率分布，输出所述安全防护运行服务的有效安全漏洞集合。
15.本实施例中，有效安全漏洞集合可以用于表示概率值大于预设概率值的安全漏洞集合。
16.step300，确定所述安全防护运行服务匹配所述有效安全漏洞集合中各个有效安全漏洞的安全防护薄弱点信息。
17.例如，可以从所述风险攻击事件数据中确定所述安全防护运行服务匹配所述有效安全漏洞集合中各个有效安全漏洞的薄弱环节信息，并从所述薄弱环节信息中获取攻击成功次数大于预设次数的目标薄弱环节信息信息，输出为所述安全防护运行服务匹配各个有效安全漏洞的安全防护薄弱点信息。
18.step400，结合所述各个有效安全漏洞的安全防护薄弱点信息，在所述安全防护运行服务所对应的安全漏洞修复进程中配置对应的安全漏洞修复固件信息。
19.在获取到各个有效安全漏洞的安全防护薄弱点信息后，可以从云端修复库中获得各个有效安全漏洞所相关的初始安全漏洞修复固件信息，然后结合各个有效安全漏洞的安全防护薄弱点信息从初始安全漏洞修复固件信息中进一步筛选出安全漏洞修复固件信息以在所述安全防护运行服务所对应的安全漏洞修复进程中配置。
20.通过以上实施例的设计，通过对风险攻击事件数据进行安全漏洞追溯，输出对应的安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布，结合安全漏洞概率分布，输出安全防护运行服务的有效安全漏洞集合以及有效安全漏洞集合，分析安全防护运行服务匹配有效安全漏洞集合中各个有效安全漏洞的安全防护薄弱点信息，结合各个有效安全漏洞的安全防护薄弱点信息，在安全防护运行服务所对应的安全漏洞修复进程中配置对应的安全漏洞修复固件信息，从而在安全漏洞追溯的基础上，同时结合有效安全漏洞和匹配有效安全漏洞的安全防护薄弱点信息进行漏洞修复配置，进而提高漏洞修复的可靠性。
21.其中，前述的step100可以通过下述实施方式执行。
22.step101，获取已配置安全漏洞追溯网络和与风险攻击事件数据所对应的安全防护运行服务，结合安全防护运行服务和风险攻击事件数据输出待追溯数据。
23.例如，ai修复系统可以获取已配置安全漏洞追溯网络。其中，已配置安全漏洞追溯网络包括基准安全漏洞追溯分支和衍生安全漏洞追溯分支。基准安全漏洞追溯分支和衍生安全漏洞追溯分支分别是结合多个安全漏洞类别属性进行漏洞特征深度学习输出的。其中示例性地，ai修复系统可以获取与风险攻击事件数据所对应的安全防护运行服务，将安全防护运行服务的服务类别、风险攻击事件数据的攻击类别和与安全防护运行服务所对应的攻击记录数据作为已配置安全漏洞追溯网络的待追溯数据。
24.step102，结合基准安全漏洞追溯分支对待追溯数据进行漏洞攻击特征解析，输出攻击知识推理特征和多个安全漏洞类别属性分别对应的漏洞攻击渗透链特征，结合攻击知识推理特征和多个漏洞攻击渗透链特征，输出与多个安全漏洞类别属性所对应的基准安全漏洞概率分布；例如，ai修复系统可以将待追溯数据传递到基准安全漏洞追溯分支。其中，基准安全漏洞追溯分支包括第一编码子分支、多个攻击知识推理子分支和多个安全漏洞类别属性
各自对应的攻击渗透追溯子分支。其中示例性地，ai修复系统可以结合第一编码子分支对待追溯数据进行嵌入编码处理，输出第一编码子分支确定的安全防护运行服务针对风险攻击事件数据的第一漏洞攻击变量关系树。其中示例性地，ai修复系统可以将第一漏洞攻击变量关系树分别传递到多个攻击知识推理子分支，结合多个攻击知识推理子分支分别对第一漏洞攻击变量关系树进行攻击知识推理，输出各攻击知识推理子分支分别确定的攻击知识推理特征。其中，攻击知识推理子分支可以为安全漏洞追溯子分支。其中示例性地，ai修复系统可以将第一漏洞攻击变量关系树分别传递到多个攻击渗透追溯子分支，结合多个攻击渗透追溯子分支分别对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出各攻击渗透追溯子分支分别确定的漏洞攻击渗透链特征。其中示例性地，ai修复系统可以结合多个攻击知识推理特征和多个漏洞攻击渗透链特征，输出与多个安全漏洞类别属性所对应的基准安全漏洞概率分布。
25.其中，攻击知识推理子分支可以为安全漏洞追溯子分支，攻击知识推理子分支可以对第一漏洞攻击变量关系树进行漏洞追溯，本发明实施方式不对衍生安全漏洞追溯分支中的攻击知识推理子分支的数量进行限定。例如，攻击知识推理子分支还可以为其它任意模型，本发明对此不进行限定。
26.一方面，攻击渗透追溯子分支是轻量级的，而且攻击知识推理子分支是所有安全漏洞类别属性共用，所以在计算量和参数量上具有优势；另一方面，各安全漏洞类别属性的攻击渗透追溯子分支结合最终输出权重不同实现对攻击知识推理子分支的选择性利用。不同安全漏洞类别属性的攻击渗透追溯子分支可以学习到不同的组合攻击知识推理子分支的模式，因此，基准安全漏洞追溯分支考虑到了捕捉到安全漏洞类别属性的相关性和区别。
27.其中，在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，ai修复系统可以结合基准安全漏洞追溯分支生成与前向安全漏洞类别属性所对应的第一前向漏洞置信度和与后向安全漏洞类别属性所对应的第一后向漏洞置信度。例如，在多个安全漏洞类别属性包括前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性时，ai修复系统可以结合基准安全漏洞追溯分支生成与前向安全漏洞类别属性所对应的第一前向漏洞置信度、与浅层后向安全漏洞类别属性所对应的第一浅层后向漏洞置信度和与深层后向安全漏洞类别属性所对应的第一深层后向漏洞置信度。
28.step103，将待追溯数据分别传递到衍生安全漏洞追溯分支中的多个安全漏洞追溯节点，结合各安全漏洞追溯节点分别确定的安全漏洞追溯数据，输出衍生安全漏洞追溯分支获得的与多个安全漏洞类别属性所对应的衍生安全漏洞概率分布；同理，ai修复系统可以将待追溯数据分别传递到衍生安全漏洞追溯分支中的多个安全漏洞追溯节点，结合衍生安全漏洞追溯分支中的多个安全漏洞追溯节点分别对待追溯数据进行嵌入编码处理，结合嵌入编码处理所得到的特征，生成各安全漏洞追溯节点分别确定的安全漏洞追溯数据，进而结合各安全漏洞追溯节点分别确定的安全漏洞追溯数据，生成与多个安全漏洞类别属性所对应的衍生安全漏洞概率分布。
29.其中，在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，ai修复系统可以结合衍生安全漏洞追溯分支生成与前向安全漏洞类别属性所对应的第二前向漏洞置信度和与后向安全漏洞类别属性所对应的第二后向漏洞置信度。例如，在多个安全漏洞类别属性包括前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层
后向安全漏洞类别属性时，ai修复系统可以结合衍生安全漏洞追溯分支生成与前向安全漏洞类别属性所对应的第三前向漏洞置信度、与浅层后向安全漏洞类别属性所对应的第二浅层后向漏洞置信度、与浅层后向安全漏洞类别属性所对应的第三浅层后向漏洞置信度和与深层后向安全漏洞类别属性所对应的第二深层后向漏洞置信度。
30.step104，在已配置安全漏洞追溯网络中，对基准安全漏洞概率分布和衍生安全漏洞概率分布进行整合，输出安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布。
31.其中，在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，ai修复系统可以在已配置安全漏洞追溯网络中，对第一前向漏洞置信度和第二前向漏洞置信度进行均值转换，输出安全防护运行服务针对风险攻击事件数据的前向安全漏洞概率分布。其中示例性地，ai修复系统可以对第一后向漏洞置信度和第二后向漏洞置信度进行均值转换，输出安全防护运行服务针对风险攻击事件数据的后向安全漏洞概率分布。其中，安全漏洞概率分布包括前向安全漏洞概率分布和后向安全漏洞概率分布；换言之，前向安全漏洞概率分布和后向安全漏洞概率分布可以统称为安全漏洞概率分布。
32.例如，在多个安全漏洞类别属性包括前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性时，ai修复系统可以在已配置安全漏洞追溯网络中，对第一前向漏洞置信度和第三前向漏洞置信度进行均值转换，输出安全防护运行服务针对风险攻击事件数据的前向安全漏洞概率分布。其中示例性地，ai修复系统可以对第一浅层后向漏洞置信度、第二浅层后向漏洞置信度和第三浅层后向漏洞置信度进行均值转换，输出安全防护运行服务针对风险攻击事件数据的浅层后向安全漏洞概率分布。其中示例性地，ai修复系统可以对第一深层后向漏洞置信度和第二深层后向漏洞置信度进行均值转换，输出安全防护运行服务针对风险攻击事件数据的深层后向安全漏洞概率分布。其中，安全漏洞概率分布包括前向安全漏洞概率分布、浅层后向安全漏洞概率分布和深层后向安全漏洞概率分布；换言之，前向安全漏洞概率分布、浅层后向安全漏洞概率分布和深层后向安全漏洞概率分布可以统称为安全漏洞概率分布。
33.例如，已配置安全漏洞追溯网络还包括漏洞整合分支。基准安全漏洞追溯分支的数量为多个，多个基准安全漏洞追溯分支用于输出多个基准安全漏洞概率分布；衍生安全漏洞追溯分支的数量为多个，多个衍生安全漏洞追溯分支用于输出多个衍生安全漏洞概率分布。这样，ai修复系统可以在已配置安全漏洞追溯网络中，对多个基准安全漏洞概率分布进行均值转换，输出多个基准安全漏洞追溯分支对应的第一转换安全漏洞概率分布。其中示例性地，ai修复系统可以对多个衍生安全漏洞概率分布进行均值转换，输出多个衍生安全漏洞追溯分支对应的第二转换安全漏洞概率分布。其中示例性地，ai修复系统可以对第一转换安全漏洞概率分布和第二转换安全漏洞概率分布进行整合，输出整合安全漏洞概率分布。其中示例性地，ai修复系统可以将整合安全漏洞概率分布传递到漏洞整合分支，结合漏洞整合分支对整合安全漏洞概率分布中的第一转换安全漏洞概率分布和第二转换安全漏洞概率分布进行整合学习，输出安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布。
34.其中，在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，ai修复系统可以在已配置安全漏洞追溯网络中，对多个第一前向漏洞置信度进行
均值转换，输出多个基准安全漏洞追溯分支对应的第一前向转换安全漏洞概率分布。其中示例性地，ai修复系统可以对多个第二前向漏洞置信度进行均值转换，输出多个衍生安全漏洞追溯分支对应的第二前向转换安全漏洞概率分布。其中示例性地，ai修复系统可以对第一前向转换安全漏洞概率分布和第二前向转换安全漏洞概率分布进行整合，输出融合前向安全漏洞概率分布。其中示例性地，ai修复系统可以将融合前向安全漏洞概率分布传递到漏洞整合分支，结合漏洞整合分支对融合前向安全漏洞概率分布中的第一前向转换安全漏洞概率分布和第二前向转换安全漏洞概率分布进行整合学习，输出安全防护运行服务针对风险攻击事件数据的前向安全漏洞概率分布。其中，ai修复系统在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，对第一后向漏洞置信度和第二后向漏洞置信度进行整合的实施方式，可以参见对第一前向漏洞置信度和第二前向漏洞置信度进行整合的描述，此处不再赘述。
35.例如，在多个安全漏洞类别属性包括前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性时，ai修复系统对第一前向漏洞置信度和第三前向漏洞置信度进行整合的实施方式，对第一浅层后向漏洞置信度、第二浅层后向漏洞置信度和第三浅层后向漏洞置信度进行整合的实施方式，以及对第一深层后向漏洞置信度和第二深层后向漏洞置信度进行整合的实施方式，可以参见在多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性时，对第一前向漏洞置信度和第三前向漏洞置信度进行整合的描述，此处不再赘述。
36.其中，ai修复系统可以对基准安全漏洞追溯分支获得的基准安全漏洞概率分布和衍生安全漏洞追溯分支获得的衍生安全漏洞概率分布进行整合，集成基准安全漏洞追溯分支和衍生安全漏洞追溯分支的优势，提高多任务训练的可靠性，从而提高追溯确认安全漏洞概率分布的精度。
37.其中，因为两个安全漏洞类别属性所对应的基准安全漏洞追溯分支和三个安全漏洞类别属性所对应的基准安全漏洞追溯分支是不同的，所以两个安全漏洞类别属性中的前向安全漏洞类别属性所对应的第一前向漏洞置信度和三个安全漏洞类别属性中的前向安全漏洞类别属性所对应的第一前向漏洞置信度是不同的。其中，两个安全漏洞类别属性中的前向安全漏洞类别属性所对应的前向安全漏洞概率分布和三个安全漏洞类别属性中的前向安全漏洞类别属性所对应的前向安全漏洞概率分布是不同的。换言之，本发明实施方式还可以将三个安全漏洞类别属性中的前向安全漏洞类别属性所对应的第一前向漏洞置信度称之为第四前向漏洞置信度。
38.其中，ai修复系统可以获取基准安全漏洞追溯分支的基准安全漏洞概率分布和衍生安全漏洞追溯分支的衍生安全漏洞概率分布，进而对基准安全漏洞追溯分支和衍生安全漏洞追溯分支进行模型集成，即对基准安全漏洞追溯分支的基准安全漏洞概率分布和衍生安全漏洞追溯分支的衍生安全漏洞概率分布进行整合。
39.由此可见，本发明实施方式可以对风险攻击事件数据所对应的相关安全漏洞维度进行拆分以确定多个安全漏洞类别属性，并结合多个安全漏洞类别属性分别进行基准安全漏洞追溯分支和衍生安全漏洞追溯分支的多任务开发，综合利用基准安全漏洞追溯分支适应于多个安全漏洞类别属性之间相关性要求小、以及衍生安全漏洞追溯分支适应于多个安全漏洞类别属性之间相关性要求大的特性，提高预测安全漏洞概率分布的精度。
40.其中示例性地，另一个实施例还可以包括以下step1211-step1217，且step1211-step1217为前述step102的一个具体实施例。
41.step1211，将待追溯数据传递到基准安全漏洞追溯分支；其中，基准安全漏洞追溯分支包括第一编码子分支、多个攻击知识推理子分支和多个安全漏洞类别属性各自对应的攻击渗透追溯子分支。
42.step1212，结合第一编码子分支对待追溯数据进行嵌入编码处理，输出第一编码子分支确定的安全防护运行服务针对风险攻击事件数据的第一漏洞攻击变量关系树；其中，ai修复系统结合第一编码子分支对待追溯数据进行嵌入编码处理的实施方式，可以参见前述对step102的描述，此处不再赘述。
43.step1213，将第一漏洞攻击变量关系树分别传递到多个攻击知识推理子分支，结合多个攻击知识推理子分支分别对第一漏洞攻击变量关系树进行攻击知识推理，输出各攻击知识推理子分支分别确定的攻击知识推理特征；其中，多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性；多个攻击渗透追溯子分支包括前向安全漏洞类别属性所指示的前向攻击渗透追溯子分支和后向安全漏洞类别属性所指示的后向攻击渗透追溯子分支；多个漏洞攻击渗透链特征包括前向漏洞攻击渗透链特征和后向漏洞攻击渗透链特征。
44.step1214，将第一漏洞攻击变量关系树传递到前向攻击渗透追溯子分支，结合前向攻击渗透追溯子分支对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出前向攻击渗透追溯子分支生成的前向漏洞攻击渗透链特征；step1215，将第一漏洞攻击变量关系树传递到后向攻击渗透追溯子分支，结合后向攻击渗透追溯子分支对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出后向攻击渗透追溯子分支生成的后向漏洞攻击渗透链特征；其中，前向漏洞攻击渗透链特征包括与各攻击知识推理子分支分别对应的前向漏洞渗透影响权重；后向漏洞攻击渗透链特征包括与各攻击知识推理子分支分别对应的后向漏洞渗透影响权重；基准安全漏洞追溯分支还包括第一前向安全漏洞追溯子分支和第一后向安全漏洞追溯子分支；基准安全漏洞概率分布包括第一前向漏洞置信度和第一后向漏洞置信度。
45.step1216，结合与各攻击知识推理子分支分别对应的前向漏洞渗透影响权重，对各攻击知识推理子分支分别确定的攻击知识推理特征进行优化，输出目标前向攻击优化特征，将目标前向攻击优化特征传递到第一前向安全漏洞追溯子分支，结合第一前向安全漏洞追溯子分支对目标前向攻击优化特征进行漏洞追溯，输出第一前向漏洞追溯特征，结合第一前向漏洞追溯特征，输出与前向安全漏洞类别属性所对应的第一前向漏洞置信度；step1217，结合与各攻击知识推理子分支分别对应的后向漏洞渗透影响权重，对各攻击知识推理子分支分别确定的攻击知识推理特征进行优化，输出目标后向攻击优化特征，将目标后向攻击优化特征传递到第一后向安全漏洞追溯子分支，结合第一后向安全漏洞追溯子分支对目标后向攻击优化特征进行漏洞追溯，输出第一后向漏洞追溯特征，结合第一后向漏洞追溯特征，输出与后向安全漏洞类别属性所对应的第一后向漏洞置信度。
46.step1211-step1217的实施方式例如可以是：第一漏洞攻击变量关系树可以为结合基准安全漏洞追溯分支中的第一编码子分支确定的特征，基准安全漏洞追溯分支中可以
包括多个攻击知识推理子分支，为便于理解，这里以攻击知识推理子分支的数量为n个为例进行说明，n个攻击知识推理子分支具体可以包括：攻击知识推理子分支u1、攻击知识推理子分支u2、
…
、攻击知识推理子分支un，这里的n可以为正整数。
47.ai修复系统可以将第一漏洞攻击变量关系树分别传递到攻击知识推理子分支u1、攻击知识推理子分支u2、
…
、攻击知识推理子分支un，输出攻击知识推理子分支u1、攻击知识推理子分支u2、
…
、攻击知识推理子分支un分别确定的攻击知识推理特征；ai修复系统可以将第一漏洞攻击变量关系树分别传递到前向攻击渗透追溯子分支和后向攻击渗透追溯子分支，输出前向攻击渗透追溯子分支生成的前向漏洞攻击渗透链特征和后向攻击渗透追溯子分支生成的后向漏洞攻击渗透链特征。
48.ai修复系统可以结合前向漏洞攻击渗透链特征中的前向漏洞渗透影响权重，对攻击知识推理子分支u1、攻击知识推理子分支u2、
…
、攻击知识推理子分支un分别确定的攻击知识推理特征进行优化，输出前向漏洞渗透影响权重所对应的目标前向攻击优化特征；ai修复系统可以结合后向漏洞攻击渗透链特征中的后向漏洞渗透影响权重，对攻击知识推理子分支u1、攻击知识推理子分支u2、
…
、攻击知识推理子分支un分别确定的攻击知识推理特征进行优化，输出后向漏洞渗透影响权重所对应的目标后向攻击优化特征。其中示例性地，ai修复系统可以结合第一前向安全漏洞追溯子分支获取目标前向攻击优化特征对应的第一前向漏洞追溯特征，结合第一前向漏洞追溯特征确定第一前向漏洞置信度；ai修复系统可以结合第一后向安全漏洞追溯子分支获取目标后向攻击优化特征对应的第一后向漏洞追溯特征，结合第一后向漏洞追溯特征确定第一后向漏洞置信度。其中，第一前向漏洞置信度和第一后向漏洞置信度可以统称为基准安全漏洞概率分布。
49.通过以上实施例的设计，本实施例可以在多个安全漏洞类别属性为前向安全漏洞类别属性和后向安全漏洞类别属性时，结合基准安全漏洞追溯分支输出与前向安全漏洞类别属性所对应的前向漏洞攻击渗透链特征、与后向安全漏洞类别属性所对应的后向漏洞攻击渗透链特征、以及多个攻击知识推理特征，进而结合前向漏洞攻击渗透链特征和多个攻击知识推理特征生成安全防护运行服务针对风险攻击事件数据的第一前向漏洞置信度，结合后向漏洞攻击渗透链特征和多个攻击知识推理特征生成安全防护运行服务针对风险攻击事件数据的第一后向漏洞置信度，从而提高预测第一前向漏洞置信度和第一后向漏洞置信度的精度。
50.其中示例性地，另一种实施例可以包括以下step1221-step1229，且step1221-step1229为前述step102的一个具体实施例。
51.step1221，将待追溯数据传递到基准安全漏洞追溯分支；其中，基准安全漏洞追溯分支包括第一编码子分支、多个攻击知识推理子分支和多个安全漏洞类别属性各自对应的攻击渗透追溯子分支。
52.step1222，结合第一编码子分支对待追溯数据进行嵌入编码处理，输出第一编码子分支确定的安全防护运行服务针对风险攻击事件数据的第一漏洞攻击变量关系树；其中，ai修复系统结合第一编码子分支对待追溯数据进行嵌入编码处理的实施方式，可以参见前述对step102的描述，此处不再赘述。
53.step1223，将第一漏洞攻击变量关系树分别传递到多个攻击知识推理子分支，结合多个攻击知识推理子分支分别对第一漏洞攻击变量关系树进行攻击知识推理，输出各攻
击知识推理子分支分别确定的攻击知识推理特征；step1224，将第一漏洞攻击变量关系树传递到前向攻击渗透追溯子分支，结合前向攻击渗透追溯子分支对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出前向攻击渗透追溯子分支生成的前向漏洞攻击渗透链特征；其中，后向攻击渗透追溯子分支包括浅层后向攻击渗透追溯子分支和深层后向攻击渗透追溯子分支；后向漏洞攻击渗透链特征包括浅层后向漏洞攻击渗透链特征和深层后向漏洞攻击渗透链特征。
54.step1225，将第一漏洞攻击变量关系树传递到浅层后向攻击渗透追溯子分支，结合浅层后向攻击渗透追溯子分支对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出浅层后向攻击渗透追溯子分支生成的浅层后向漏洞攻击渗透链特征；step1226，将第一漏洞攻击变量关系树传递到深层后向攻击渗透追溯子分支，结合深层后向攻击渗透追溯子分支对第一漏洞攻击变量关系树进行攻击渗透链追溯，输出深层后向攻击渗透追溯子分支生成的深层后向漏洞攻击渗透链特征；step1227，结合与各攻击知识推理子分支分别对应的前向漏洞渗透影响权重，对各攻击知识推理子分支分别确定的攻击知识推理特征进行优化，输出目标前向攻击优化特征，将目标前向攻击优化特征传递到第一前向安全漏洞追溯子分支，结合第一前向安全漏洞追溯子分支对目标前向攻击优化特征进行漏洞追溯，输出第一前向漏洞追溯特征，结合第一前向漏洞追溯特征，输出与前向安全漏洞类别属性所对应的第一前向漏洞置信度；其中，浅层后向漏洞攻击渗透链特征包括与各攻击知识推理子分支分别对应的浅层后向漏洞渗透影响权重；深层后向漏洞攻击渗透链特征包括与各攻击知识推理子分支分别对应的深层后向漏洞渗透影响权重；目标后向攻击优化特征包括目标浅层后向攻击优化特征和目标深层后向攻击优化特征；第一后向安全漏洞追溯子分支包括第一浅层后向安全漏洞追溯子分支和深层后向安全漏洞追溯子分支（即第一深层后向安全漏洞追溯子分支）；第一后向漏洞追溯特征包括第一浅层后向漏洞追溯特征和深层后向漏洞追溯特征（即第一深层后向漏洞追溯特征）；第一后向漏洞置信度包括第一浅层后向漏洞置信度和第一深层后向漏洞置信度；后向安全漏洞类别属性包括浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性。
55.step1228，结合与各攻击知识推理子分支分别对应的浅层后向漏洞渗透影响权重，对各攻击知识推理子分支分别确定的攻击知识推理特征进行优化，输出目标浅层后向攻击优化特征，将目标浅层后向攻击优化特征传递到第一浅层后向安全漏洞追溯子分支，结合第一浅层后向安全漏洞追溯子分支对目标浅层后向攻击优化特征进行漏洞追溯，输出第一浅层后向漏洞追溯特征，结合第一浅层后向漏洞追溯特征，输出与浅层后向安全漏洞类别属性所对应的第一浅层后向漏洞置信度；step1229，结合与各攻击知识推理子分支分别对应的深层后向漏洞渗透影响权重，对各攻击知识推理子分支分别确定的攻击知识推理特征进行优化，输出目标深层后向攻击优化特征，将目标深层后向攻击优化特征传递到深层后向安全漏洞追溯子分支（即第一深层后向安全漏洞追溯子分支），结合深层后向安全漏洞追溯子分支（即第一深层后向安全漏洞追溯子分支）对目标深层后向攻击优化特征进行漏洞追溯，输出深层后向漏洞追溯特征（即第一深层后向漏洞追溯特征），结合深层后向漏洞追溯特征（即第一深层后向漏洞
追溯特征），输出与深层后向安全漏洞类别属性所对应的第一深层后向漏洞置信度。
56.其中，第一前向安全漏洞追溯子分支、第一浅层后向安全漏洞追溯子分支和第一深层后向安全漏洞追溯子分支可以为多层感知机。
57.ai修复系统可以将第一前向漏洞置信度、第一浅层后向漏洞置信度和第一深层后向漏洞置信度统称为基准安全漏洞概率分布。
58.由此可见，本发明实施方式可以在多个安全漏洞类别属性为前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性时，结合基准安全漏洞追溯分支输出与前向安全漏洞类别属性所对应的前向漏洞攻击渗透链特征、与浅层后向安全漏洞类别属性所对应的浅层后向漏洞攻击渗透链特征、与深层后向安全漏洞类别属性所对应的深层后向漏洞攻击渗透链特征、以及多个攻击知识推理特征，进而结合前向漏洞攻击渗透链特征和多个攻击知识推理特征生成安全防护运行服务针对风险攻击事件数据的第一前向漏洞置信度，结合浅层后向漏洞攻击渗透链特征和多个攻击知识推理特征生成安全防护运行服务针对风险攻击事件数据的第一浅层后向漏洞置信度，结合深层后向漏洞攻击渗透链特征和多个攻击知识推理特征生成安全防护运行服务针对风险攻击事件数据的第一深层后向漏洞置信度，从而提高预测第一前向漏洞置信度、第一浅层后向漏洞置信度和第一深层后向漏洞置信度的精度。此外，在安全漏洞类别属性发生改变时，本发明可以对基准安全漏洞追溯分支适应性的进行调整，使用具有相似模型结构的基准安全漏洞追溯分支同时兼容多个安全漏洞类别属性，生成与不同的安全漏洞类别属性所对应的基准安全漏洞概率分布，从而降低基准安全漏洞追溯分支的训练难度。
59.其中，多个安全漏洞类别属性包括前向安全漏洞类别属性和后向安全漏洞类别属性；多个安全漏洞追溯节点包括前向安全漏洞类别属性对应的第一前向安全漏洞追溯节点和后向安全漏洞类别属性对应的后向安全漏洞追溯节点；衍生安全漏洞概率分布包括第二前向漏洞置信度和第二后向漏洞置信度；第二前向漏洞置信度为第一前向安全漏洞追溯节点所生成的安全漏洞追溯数据；第二后向漏洞置信度为后向安全漏洞追溯节点所生成的安全漏洞追溯数据。
60.其中示例性地，可以包括以下step1311-step1314，且step1311-step1314为前述step103的一个具体实施例。
61.step1311，将待追溯数据分别传递到第一前向安全漏洞追溯节点和后向安全漏洞追溯节点；其中，第一前向安全漏洞追溯节点包括第二编码子分支和第二前向安全漏洞追溯子分支，后向安全漏洞追溯节点包括第三编码子分支和第二后向安全漏洞追溯子分支。
62.step1312，结合第二编码子分支和第三编码子分支分别对待追溯数据进行嵌入编码处理，输出第二编码子分支确定的安全防护运行服务针对风险攻击事件数据的第二漏洞攻击变量关系树，以及第三编码子分支确定的安全防护运行服务针对风险攻击事件数据的第三漏洞攻击变量关系树；其中，ai修复系统结合第二编码子分支和第三编码子分支分别对待追溯数据进行嵌入编码处理的实施方式，可以参见前述结合第一编码子分支对待追溯数据进行嵌入编码处理的描述，此处不再赘述。
63.step1313，将第二漏洞攻击变量关系树传递到第二前向安全漏洞追溯子分支，结
合第二前向安全漏洞追溯子分支对第二漏洞攻击变量关系树进行漏洞追溯，输出第二前向漏洞追溯特征，结合第二前向漏洞追溯特征，输出与前向安全漏洞类别属性所对应的第二前向漏洞置信度；step1314，将第三漏洞攻击变量关系树传递到第二后向安全漏洞追溯子分支，结合第二后向安全漏洞追溯子分支对第三漏洞攻击变量关系树进行漏洞追溯，输出第二后向漏洞追溯特征，结合第二后向漏洞追溯特征，输出与后向安全漏洞类别属性所对应的第二后向漏洞置信度。
64.其中，第二前向安全漏洞追溯子分支和第二后向安全漏洞追溯子分支可以为多层感知机。
65.ai修复系统可以结合第二前向安全漏洞追溯子分支获取第二漏洞攻击变量关系树对应的第二前向漏洞追溯特征，结合第二前向漏洞追溯特征确定第二前向漏洞置信度；ai修复系统可以结合第二后向安全漏洞追溯子分支获取目标后向攻击优化特征对应的第二后向漏洞追溯特征，结合第二后向漏洞追溯特征确定第二后向漏洞置信度。其中，第二前向漏洞置信度和第二后向漏洞置信度可以统称为衍生安全漏洞概率分布。
66.由此可见，本发明实施方式可以在多个安全漏洞类别属性为前向安全漏洞类别属性和后向安全漏洞类别属性时，结合衍生安全漏洞追溯分支输出与前向安全漏洞类别属性所对应的第二攻击链特征和与后向安全漏洞类别属性所对应的第三攻击链特征，进而结合第二攻击链特征生成安全防护运行服务针对风险攻击事件数据的第二前向漏洞置信度，结合第三攻击链特征生成安全防护运行服务针对风险攻击事件数据的第二后向漏洞置信度，从而提高预测第二前向漏洞置信度和第二后向漏洞置信度的精度。
67.其中，衍生安全漏洞追溯分支的数量为多个，多个衍生安全漏洞追溯分支包括衍生安全漏洞追溯分支mi和衍生安全漏洞追溯分支mj；这里的i和j均为不大于衍生安全漏洞追溯分支的数量的正整数；多个安全漏洞类别属性包括前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性；多个安全漏洞追溯节点包括衍生安全漏洞追溯分支mi中的第二前向安全漏洞追溯节点和第一浅层后向安全漏洞追溯节点，以及衍生安全漏洞追溯分支mj中的第二浅层后向安全漏洞追溯节点和深层后向安全漏洞追溯节点；第二前向安全漏洞追溯节点与前向安全漏洞类别属性所对应，第一浅层后向安全漏洞追溯节点和第二浅层后向安全漏洞追溯节点与浅层后向安全漏洞类别属性所对应，深层后向安全漏洞追溯节点与深层后向安全漏洞类别属性所对应；衍生安全漏洞概率分布包括第三前向漏洞置信度、第二浅层后向漏洞置信度、第三浅层后向漏洞置信度和第二深层后向漏洞置信度；第三前向漏洞置信度为第二前向安全漏洞追溯节点所生成的安全漏洞追溯数据；第二浅层后向漏洞置信度为第一浅层后向安全漏洞追溯节点所生成的安全漏洞追溯数据；第三浅层后向漏洞置信度为第二浅层后向安全漏洞追溯节点所生成的安全漏洞追溯数据；第二深层后向漏洞置信度为深层后向安全漏洞追溯节点所生成的安全漏洞追溯数据。其中示例性地，可以包括以下step1321-step1324，且step1321-step1324为前述step103的一个具体实施例。
68.step1321，将待追溯数据分别传递到第二前向安全漏洞追溯节点、第一浅层后向安全漏洞追溯节点、第二浅层后向安全漏洞追溯节点和深层后向安全漏洞追溯节点；其中，第二前向安全漏洞追溯节点包括第四编码子分支，第一浅层后向安全漏洞
追溯节点包括第五编码子分支；第二浅层后向安全漏洞追溯节点包括第六编码子分支，深层后向安全漏洞追溯节点包括第七编码子分支。
69.step1322，结合第四编码子分支、第五编码子分支、第六编码子分支和第七编码子分支分别对待追溯数据进行嵌入编码处理，输出第四编码子分支确定的安全防护运行服务针对风险攻击事件数据的第四漏洞攻击变量关系树，第五编码子分支确定的安全防护运行服务针对风险攻击事件数据的第五漏洞攻击变量关系树，第六编码子分支确定的安全防护运行服务针对风险攻击事件数据的第六漏洞攻击变量关系树，以及第七编码子分支确定的安全防护运行服务针对风险攻击事件数据的第七漏洞攻击变量关系树；其中，ai修复系统结合第四编码子分支、第五编码子分支、第六编码子分支和第七编码子分支分别对待追溯数据进行嵌入编码处理的实施方式，可以参见前述结合第一编码子分支对待追溯数据进行嵌入编码处理的描述，此处不再赘述。
70.step1323，在第二前向安全漏洞追溯节点中，结合第四漏洞攻击变量关系树获取与前向安全漏洞类别属性所对应的第三前向漏洞置信度，在第一浅层后向安全漏洞追溯节点中，结合第五漏洞攻击变量关系树获取与浅层后向安全漏洞类别属性所对应的第二浅层后向漏洞置信度；例如，ai修复系统可以将第四漏洞攻击变量关系树传递到第三前向安全漏洞追溯子分支，结合第三前向安全漏洞追溯子分支对第四漏洞攻击变量关系树进行漏洞追溯，输出第三前向漏洞追溯特征，结合第三前向漏洞追溯特征，输出与前向安全漏洞类别属性所对应的第三前向漏洞置信度。其中，第二前向安全漏洞追溯节点还包括第三前向安全漏洞追溯子分支，第一浅层后向安全漏洞追溯节点还包括第二浅层后向安全漏洞追溯子分支。其中示例性地，ai修复系统可以将第五漏洞攻击变量关系树传递到第二浅层后向安全漏洞追溯子分支，结合第二浅层后向安全漏洞追溯子分支对第五漏洞攻击变量关系树进行漏洞追溯，输出第二浅层后向漏洞追溯特征，结合第二浅层后向漏洞追溯特征，输出与浅层后向安全漏洞类别属性所对应的第二浅层后向漏洞置信度。
71.step1324，在第二浅层后向安全漏洞追溯节点中，结合第六漏洞攻击变量关系树获取与浅层后向安全漏洞类别属性所对应的第三浅层后向漏洞置信度，在深层后向安全漏洞追溯节点中，结合第七漏洞攻击变量关系树获取与深层后向安全漏洞类别属性所对应的第二深层后向漏洞置信度。
72.例如，ai修复系统可以将第六漏洞攻击变量关系树传递到第三浅层后向安全漏洞追溯子分支，结合第三浅层后向安全漏洞追溯子分支对第六漏洞攻击变量关系树进行漏洞追溯，输出第三浅层后向漏洞追溯特征，结合第三浅层后向漏洞追溯特征，输出与浅层后向安全漏洞类别属性所对应的第三浅层后向漏洞置信度。其中，第二浅层后向安全漏洞追溯节点还包括第三浅层后向安全漏洞追溯子分支，深层后向安全漏洞追溯节点还包括第二深层后向安全漏洞追溯子分支。其中示例性地，ai修复系统可以将第七漏洞攻击变量关系树传递到第二深层后向安全漏洞追溯子分支，结合第二深层后向安全漏洞追溯子分支对第七漏洞攻击变量关系树进行漏洞追溯，输出第二深层后向漏洞追溯特征，结合第二深层后向漏洞追溯特征，输出与深层后向安全漏洞类别属性所对应的第二深层后向漏洞置信度。
73.其中，第三前向安全漏洞追溯子分支、第二浅层后向安全漏洞追溯子分支、第三浅层后向安全漏洞追溯子分支和第二深层后向安全漏洞追溯子分支可以为多层感知机。
74.其中，ai修复系统可以将第三前向漏洞置信度、第二浅层后向漏洞置信度、第三浅层后向漏洞置信度和第二深层后向漏洞置信度统称为衍生安全漏洞概率分布。
75.由此可见，本发明实施方式可以在多个安全漏洞类别属性为前向安全漏洞类别属性、浅层后向安全漏洞类别属性和深层后向安全漏洞类别属性时，结合衍生安全漏洞追溯分支输出与前向安全漏洞类别属性所对应的第四攻击链特征、与浅层后向安全漏洞类别属性所对应的第五攻击链特征、与浅层后向安全漏洞类别属性所对应的第六攻击链特征和与深层后向安全漏洞类别属性所对应的第七攻击链特征，进而结合第四攻击链特征生成安全防护运行服务针对风险攻击事件数据的第三前向漏洞置信度，结合第五攻击链特征生成安全防护运行服务针对风险攻击事件数据的第二浅层后向漏洞置信度，结合第六攻击链特征生成安全防护运行服务针对风险攻击事件数据的第三浅层后向漏洞置信度，结合第七攻击链特征生成安全防护运行服务针对风险攻击事件数据的第二深层后向漏洞置信度，从而提高预测第三前向漏洞置信度、第二浅层后向漏洞置信度、第三浅层后向漏洞置信度和第二深层后向漏洞置信度的精度。此外，在安全漏洞类别属性发生改变时，本发明可以对衍生安全漏洞追溯分支适应性的进行调整，使用具有相似模型结构的衍生安全漏洞追溯分支同时兼容多个安全漏洞类别属性，生成与不同的安全漏洞类别属性所对应的衍生安全漏洞概率分布，从而降低衍生安全漏洞追溯分支的训练难度。
76.其中示例性地，下面介绍前述已配置安全漏洞追溯网络的训练步骤，可以包括以下step201-step204：step201，获取目标安全漏洞追溯训练模型和与范例安全防护运行服务所对应的范例安全防护感知数据，结合范例安全防护运行服务和范例安全防护感知数据确定范例待追溯数据；其中，目标安全漏洞追溯训练模型包括第一目标安全漏洞追溯训练分支和第二目标安全漏洞追溯训练分支；第一目标安全漏洞追溯训练分支和第二目标安全漏洞追溯训练分支分别是结合多个安全漏洞类别属性进行漏洞特征深度学习输出的。
77.其中，ai修复系统结合范例安全防护运行服务和范例安全防护感知数据确定范例待追溯数据的实施方式，可以参见前述结合安全防护运行服务和风险攻击事件数据输出待追溯数据的描述，此处不再赘述。
78.step202，结合第一目标安全漏洞追溯训练分支对范例待追溯数据进行漏洞攻击特征解析，输出范例攻击知识推理特征和多个安全漏洞类别属性分别对应的范例漏洞攻击渗透链特征，结合范例攻击知识推理特征和多个范例漏洞攻击渗透链特征，输出与多个安全漏洞类别属性所对应的第一范例安全漏洞概率分布；其中，ai修复系统结合第一目标安全漏洞追溯训练分支输出第一范例安全漏洞概率分布的实施方式，可以参见前述结合基准安全漏洞追溯分支输出基准安全漏洞概率分布的描述，此处不再赘述。
79.step203，将范例待追溯数据分别传递到第二目标安全漏洞追溯训练分支中的多个目标训练安全漏洞追溯子分支，结合各目标训练安全漏洞追溯子分支分别确定的范例安全漏洞追溯数据，输出第二目标安全漏洞追溯训练分支获得的与多个安全漏洞类别属性所对应的第二范例安全漏洞概率分布；其中，ai修复系统结合第二目标安全漏洞追溯训练分支输出第二范例安全漏洞概
率分布的实施方式，可以参见前述结合衍生安全漏洞追溯分支输出衍生安全漏洞概率分布的描述，此处不再赘述。
80.step204，在目标安全漏洞追溯训练模型中，对第一范例安全漏洞概率分布和第二范例安全漏洞概率分布进行整合，输出范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞概率分布，结合第一范例安全漏洞概率分布、第二范例安全漏洞概率分布、范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据和范例安全漏洞概率分布，对目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络。
81.例如，ai修复系统可以在目标安全漏洞追溯训练模型中，对第一范例安全漏洞概率分布和第二范例安全漏洞概率分布进行均值转换，输出范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞概率分布。其中示例性地，ai修复系统可以结合范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据和范例安全漏洞概率分布，输出目标安全漏洞追溯训练模型的第一模型收敛评估指标。其中示例性地，ai修复系统可以结合第一范例安全漏洞概率分布和范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据，输出第一目标安全漏洞追溯训练分支的第二模型收敛评估指标。其中示例性地，ai修复系统可以结合第二范例安全漏洞概率分布和范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据，输出第二目标安全漏洞追溯训练分支的第三模型收敛评估指标。其中示例性地，ai修复系统可以结合第一模型收敛评估指标、第二模型收敛评估指标和第三模型收敛评估指标，输出目标安全漏洞追溯训练模型的全局模型收敛评估指标，结合全局模型收敛评估指标对目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络。其中，已配置安全漏洞追溯网络用于追溯确认安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布。
82.其中，第一范例安全漏洞概率分布可以包括第一范例前向漏洞置信度和第一范例后向漏洞置信度，第二范例安全漏洞概率分布可以包括第二范例前向漏洞置信度和第二范例后向漏洞置信度。其中，ai修复系统可以对第一范例前向漏洞置信度和第二范例前向漏洞置信度进行均值转换，输出范例安全防护运行服务针对范例安全防护感知数据的范例前向安全漏洞概率分布；ai修复系统可以对第一范例后向漏洞置信度和第二范例后向漏洞置信度进行均值转换，输出范例安全防护运行服务针对范例安全防护感知数据的范例后向安全漏洞概率分布。其中示例性地，ai修复系统可以结合范例安全防护运行服务针对范例安全防护感知数据的范例前向安全漏洞先验数据和范例前向安全漏洞概率分布，输出目标安全漏洞追溯训练模型的前向模型收敛评估指标；ai修复系统可以结合范例安全防护运行服务针对范例安全防护感知数据的范例后向安全漏洞先验数据和范例后向安全漏洞概率分布，输出目标安全漏洞追溯训练模型的后向模型收敛评估指标。其中示例性地，ai修复系统可以结合前向模型收敛评估指标和后向模型收敛评估指标，输出目标安全漏洞追溯训练模型的第一模型收敛评估指标。
83.同理，ai修复系统可以结合第一范例前向漏洞置信度和范例前向安全漏洞先验数据，输出第一目标安全漏洞追溯训练分支的第一前向模型收敛评估指标；ai修复系统可以结合第一范例后向漏洞置信度和范例后向安全漏洞先验数据，输出第一目标安全漏洞追溯
训练分支的第一后向模型收敛评估指标。其中示例性地，ai修复系统可以结合第一前向模型收敛评估指标和第一后向模型收敛评估指标，输出第一目标安全漏洞追溯训练分支的第二模型收敛评估指标。同理，ai修复系统可以结合第二范例前向漏洞置信度和范例前向安全漏洞先验数据，输出第二目标安全漏洞追溯训练分支的第二前向模型收敛评估指标；ai修复系统可以结合第二范例后向漏洞置信度和范例后向安全漏洞先验数据，输出第二目标安全漏洞追溯训练分支的第二后向模型收敛评估指标。其中示例性地，ai修复系统可以结合第二前向模型收敛评估指标和第二后向模型收敛评估指标，输出第二目标安全漏洞追溯训练分支的第三模型收敛评估指标。
84.其中，例如，第一范例安全漏洞概率分布可以包括第三范例前向漏洞置信度、第一范例浅层后向漏洞置信度和第一范例深层后向漏洞置信度，第二范例安全漏洞概率分布可以包括第四范例前向漏洞置信度、第二范例浅层后向漏洞置信度、第三范例浅层后向漏洞置信度和第二范例深层后向漏洞置信度。其中，ai修复系统可以结合第三范例前向漏洞置信度、第一范例浅层后向漏洞置信度、第一范例深层后向漏洞置信度、第四范例前向漏洞置信度、第二范例浅层后向漏洞置信度、第三范例浅层后向漏洞置信度和第二范例深层后向漏洞置信度，输出第一模型收敛评估指标、第二模型收敛评估指标和第三模型收敛评估指标的实施方式可以参见上述结合第一范例前向漏洞置信度、第一范例后向漏洞置信度、第二范例前向漏洞置信度和第二范例后向漏洞置信度确定第一模型收敛评估指标、第二模型收敛评估指标和第三模型收敛评估指标的描述，此处不再赘述。
85.例如，ai修复系统也可以结合第一模型收敛评估指标，对目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络。例如，ai修复系统还可以结合第二模型收敛评估指标和第三模型收敛评估指标，对目标安全漏洞追溯训练模型进行模型迭代开发，将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络。
86.例如，ai修复系统还可以结合第二模型收敛评估指标对第一目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第一目标安全漏洞追溯训练分支作为基准安全漏洞追溯分支；结合第三模型收敛评估指标对第二目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第二目标安全漏洞追溯训练分支作为衍生安全漏洞追溯分支。其中示例性地，ai修复系统可以将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络；已配置安全漏洞追溯网络包括基准安全漏洞追溯分支和衍生安全漏洞追溯分支。
87.例如，目标安全漏洞追溯训练模型还包括目标漏洞整合训练分支。这样，ai修复系统可以结合第一范例安全漏洞概率分布和范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据，输出第一目标安全漏洞追溯训练分支的第二模型收敛评估指标，结合第二模型收敛评估指标对第一目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第一目标安全漏洞追溯训练分支作为基准安全漏洞追溯分支。其中示例性地，ai修复系统可以结合第二范例安全漏洞概率分布和范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据，输出第二目标安全漏洞追溯训练分支的第三模型收敛评估指标，结合第三模型收敛评估指标对第二目标安全漏洞追溯训练分支进行模型迭代开发，将模型迭代开发后的第二目标安全漏洞追溯训练分支作为衍生安全漏洞追
溯分支。其中示例性地，ai修复系统可以对第一范例安全漏洞概率分布和第二范例安全漏洞概率分布进行整合，输出范例整合安全漏洞概率分布。其中示例性地，ai修复系统可以将范例整合安全漏洞概率分布传递到目标漏洞整合训练分支，结合目标漏洞整合训练分支对范例整合安全漏洞概率分布中的第一范例安全漏洞概率分布和第二范例安全漏洞概率分布进行整合学习，输出范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞概率分布。其中示例性地，ai修复系统可以结合范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据和范例安全漏洞概率分布，对目标漏洞整合训练分支进行模型迭代开发，将模型迭代开发后的目标漏洞整合训练分支作为漏洞整合分支。其中示例性地，ai修复系统可以将模型迭代开发后的目标安全漏洞追溯训练模型作为已配置安全漏洞追溯网络。其中，已配置安全漏洞追溯网络包括漏洞整合分支、基准安全漏洞追溯分支和衍生安全漏洞追溯分支。
88.其中，第一目标安全漏洞追溯训练分支的数量可以为p个，第二目标安全漏洞追溯训练分支的数量可以为p个，这里的p可以为大于1的正整数。其中，ai修复系统可以将范例安全防护感知数据划分为p类，从p类范例安全防护感知数据中获取(p-1)类范例安全防护感知数据对各第一目标安全漏洞追溯训练分支进行模型开发更新，输出模型开发更新后的p个基准安全漏洞追溯分支；从p类范例安全防护感知数据中获取(p-1)类范例安全防护感知数据对各第二目标安全漏洞追溯训练分支进行模型开发更新，输出模型开发更新后的p个衍生安全漏洞追溯分支。其中，ai修复系统可以从p类范例安全防护感知数据中获取除第x类之外的范例安全防护感知数据对第x个第一目标安全漏洞追溯训练分支进行模型开发更新；ai修复系统可以从p类范例安全防护感知数据中获取除第x类之外的范例安全防护感知数据对第x个第二目标安全漏洞追溯训练分支进行模型开发更新。其中，这里的x可以为不大于p的正整数。比如，ai修复系统可以从p类范例安全防护感知数据中获取除第1类之外的范例安全防护感知数据对第1个第一目标安全漏洞追溯训练分支进行模型开发更新；又比如，ai修复系统可以从p类范例安全防护感知数据中获取除第2类之外的范例安全防护感知数据对第2个第二目标安全漏洞追溯训练分支进行模型开发更新。
89.其中示例性地，ai修复系统可以结合模型开发更新后的p个基准安全漏洞追溯分支输出与多个安全漏洞类别属性所对应的第一范例安全漏洞概率分布；ai修复系统可以结合模型开发更新后的p个衍生安全漏洞追溯分支输出与多个安全漏洞类别属性所对应的第二范例安全漏洞概率分布。其中，ai修复系统可以结合第x个基准安全漏洞追溯分支输出第x类范例安全防护感知数据所对应的第一范例安全漏洞概率分布，进而对p个基准安全漏洞追溯分支获得的p类第一范例安全漏洞概率分布进行拼接，输出p类范例安全防护感知数据所对应的第一范例安全漏洞概率分布（即与多个安全漏洞类别属性所对应的第一范例安全漏洞概率分布）；ai修复系统可以结合第x个衍生安全漏洞追溯分支输出第x类范例安全防护感知数据所对应的第二范例安全漏洞概率分布，进而对p个衍生安全漏洞追溯分支获得的p类第二范例安全漏洞概率分布进行整合，输出p类范例安全防护感知数据所对应的第二范例安全漏洞概率分布（即与多个安全漏洞类别属性所对应的第二范例安全漏洞概率分布）。比如，ai修复系统可以结合第1个基准安全漏洞追溯分支输出第1类范例安全防护感知数据所对应的第一范例安全漏洞概率分布；又比如，ai修复系统可以结合第2个衍生安全漏洞追溯分支输出第2类范例安全防护感知数据所对应的第二范例安全漏洞概率分布。
90.其中，p个基准安全漏洞追溯分支的训练类别是相同的，由于p个基准安全漏洞追溯分支的训练基础数据不同，所以p个基准安全漏洞追溯分支所训练的分支权重参数是不同的；p个衍生安全漏洞追溯分支的训练类别是相同的，由于p个衍生安全漏洞追溯分支的训练基础数据不同，所以p个衍生安全漏洞追溯分支所训练的分支权重参数是不同的。
91.其中，ai修复系统可以对p个基准安全漏洞追溯分支的第一范例安全漏洞概率分布进行整合，输出第一范例整合安全漏洞概率分布，对p个衍生安全漏洞追溯分支的第二范例安全漏洞概率分布进行整合，输出第二范例整合安全漏洞概率分布。其中示例性地，ai修复系统可以将第一范例整合安全漏洞概率分布和第二范例整合安全漏洞概率分布传递到目标漏洞整合训练分支，结合第一范例整合安全漏洞概率分布、第二范例整合安全漏洞概率分布和范例安全防护运行服务针对范例安全防护感知数据的范例安全漏洞先验数据，对目标漏洞整合训练分支进行模型开发更新，输出漏洞整合分支。
92.其中，其中，目标漏洞整合训练分支的数量可以为一个，ai修复系统可以结合第一范例安全漏洞概率分布和第二范例安全漏洞概率分布，对目标漏洞整合训练分支进行模型开发更新。例如，目标漏洞整合训练分支的数量可以为多个，ai修复系统可以结合第一范例安全漏洞概率分布和第二范例安全漏洞概率分布，对多个目标漏洞整合训练分支进行模型开发更新。其中，ai修复系统结合第一范例安全漏洞概率分布和第二范例安全漏洞概率分布，对多个目标漏洞整合训练分支进行模型开发更新的实施方式，可以参见上述结合范例待追溯数据对第一目标安全漏洞追溯训练分支或第二目标安全漏洞追溯训练分支进行模型开发更新的描述，此处不再赘述。
93.相应的，在通过包含漏洞整合分支、p个基准安全漏洞追溯分支和p个衍生安全漏洞追溯分支的已配置安全漏洞追溯网络预测安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布时，ai修复系统需要对p个基准安全漏洞追溯分支所分别确定的基准安全漏洞概率分布进行均值转换，输出p个基准安全漏洞追溯分支对应的第一转换安全漏洞概率分布；ai修复系统需要对p个衍生安全漏洞追溯分支所分别确定的衍生安全漏洞概率分布进行均值转换，输出p个衍生安全漏洞追溯分支对应的第二转换安全漏洞概率分布。
94.由此可见，本发明实施方式可以范例待追溯数据对目标安全漏洞追溯训练模型进行模型开发更新，即结合目标安全漏洞追溯训练模型中的第一目标安全漏洞追溯训练分支输出第一范例安全漏洞概率分布，结合目标安全漏洞追溯训练模型中的第二目标安全漏洞追溯训练分支输出第二范例安全漏洞概率分布，进而结合第一范例安全漏洞概率分布和第二范例安全漏洞概率分布对目标安全漏洞追溯训练模型进行模型开发更新，输出已配置安全漏洞追溯网络。其中，已配置安全漏洞追溯网络可以用于确定安全防护运行服务针对风险攻击事件数据的安全漏洞概率分布，结合对目标安全漏洞追溯训练模型进行模型开发更新所得到的已配置安全漏洞追溯网络可以提高预测安全漏洞概率分布的精度。
95.其中示例性地，ai修复系统100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。
96.处理器110可以基于存储在机器可读存储介质120中的程序而执行各种适当的动作和处理，例如前述实施例所描述的服务于大数据信息安全平台的漏洞修复方法所相关的程序指令。处理器110、机器可读存储介质120以及通信单元140通过总线130进行信号传输。
97.特别地，基于本发明的实施例，上文示例性流程图描述的过程可以被实现为计算
机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信单元140从网络上被下载和安装，在该计算机程序被处理器110执行时，执行本发明实施例的方法中限定的上述功能。
98.本发明又一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述任一实施例所述的服务于大数据信息安全平台的漏洞修复方法。
99.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。