一种基于深度学习的网络安全态势感知方法及系统

本发明公开了一种基于深度学习的网络安全态势感知方法及系统，通过整合多源流量日志与行为记录生成时空序列数据集，提取异常信号强度，采用图表示学习方法生成表征攻击多维性的嵌入向量集合。当异常信号强度超阈值时，通过序列分析模型挖掘时间序列关联性，判断隐蔽威胁演化路径，并利用动态追踪机制实时更新复杂攻击链表示，融合风险预测方法生成未来威胁概率分布，确定高危威胁优先级序列。对于高危威胁，通过基础设施影响评估激活预警机制，整合安全保障协议施加防护层，生成增强的网络防御配置。本实施例通过时空数据融合、动态威胁追踪与风险预测的集成，显著提升隐蔽威胁的检测精度与响应速度，保障关键基础设施安全。