大数据安全风险预警中人工智能算法的适应性改进研究

龚 丽欢
深圳锦诚教育咨询有限公司

摘要


大数据在政务、金融、工业等领域的深度渗透，使其安全风险呈现隐蔽化、动态化、多源化特征，传统人
工智能预警算法因特征适配不足、实时性欠缺、误报率偏高等问题，难以满足复杂场景需求。本文提出一种融合多
尺度特征提取与增量学习的改进预警模型（AI-SEW），以多尺度CNN适配异构数据特征，结合双向LSTM捕捉风险
时序关联，引入注意力机制强化关键风险权重，通过增量学习实现模型动态更新。实验以某金融平台1100万条多源
数据为样本验证，模型风险识别准确率达93.8%，较传统CNN-LSTM提升8.3个百分点；误报率降至3.2%，较SVM
降低61%；实时处理速度达910条/秒，更新时间缩短至45秒。研究有效提升了人工智能算法在大数据安全预警中的
场景适配性，为安全防护提供了高效技术支撑。

关键词


大数据安全；风险预警；人工智能算法

全文:

PDF


参考


[1]刘建伟，张焕国，王育民.基于支持向量机的网

络安全风险评估模型[J].计算机学报，2020，43（6）：

1065-1078.

[2]王树森，李剑峰，张兴.基于CNN-LSTM的大

数据安全风险预警模型[J].通信学报，2021，42（8）：

132-143.

[3]李涛，陈性元，张红旗.医疗大数据隐私保护风

险预警方法研究[J].网络与信息安全学报，2022，8（3）：

58-69.


Refbacks

  • 当前没有refback。