(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111400851.1 (22)申请日 2021.11.24 (71)申请人 上海派拉软件股份有限公司 地址 200120 上海市浦东 新区(上海)自由 贸易试验区张东路138 8号27幢102室 (72)发明人 陈远猷　徐莉莎　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 王风茹 (51)Int.Cl. G06F 21/57(2013.01) G06F 30/27(2020.01) G06F 21/55(2013.01) G06N 7/00(2006.01) H04L 9/40(2022.01)G06F 111/08(2020.01) (54)发明名称 基于贝叶斯网络的态势感知方法、 装置、 设 备及存储介质 (57)摘要 本发明实施例公开了基于贝叶斯网络的态 势感知方法、 装置、 设备及存储介质。 该方法包 括： 针对系统中的每个微服务， 根据当前微服务 对应的预设历史数据以及相关属性字段的数据 表现确定目标分组属性字段， 以及确定目标分组 属性字段对应的至少两个目标分组区间； 以系统 中所有微服务对应的目标分组区间为目标节点， 对历史贝叶斯网络模型进行更新， 得到目标贝叶 斯网络模型； 基于目标贝叶斯网络模 型进行零信 任的态势感知。 本发明实施例采用上述技术方 案， 相比于将系统产生的所有数据作为贝叶斯网 络模型输入节点， 可以在资源消耗较小的前提 下， 使得贝叶斯网络模型节点数量自适应的满足 零信任中对用户风险的实时 自适应评估， 从而达 到实现零信任的技 术效果。 权利要求书2页 说明书10页 附图3页 CN 114117447 A 2022.03.01 CN 114117447 A 1.一种基于贝叶斯网络的态 势感知方法， 其特 征在于， 包括： 针对系统中的每个微服务， 根据当前微服务对应的预设历史数据以及相关属性字段的 数据表现确定目标分组属性字段， 以及确定所述目标分组属性字段对应的至少两个目标分 组区间； 以所述系统中所有微服务对应的目标分组区间为目标节点， 对历史贝叶斯网络模型进 行更新， 得到目标贝叶斯网络模型； 基于所述目标贝叶斯网络模型进行零信任的态 势感知。 2.根据权利要求1所述的方法， 其特征在于， 所述根据当前微服务对应的预设历史数据 以及相关属性字段的数据 表现确定目标分组属性字段， 以及确定所述目标分组属性字段对 应的至少两个目标分组区间， 包括： 获取当前微 服务对应的最近的预设时长内的第一历史数据； 获取所述当前微 服务对应的相关属性字段排序； 根据相关属性字段排序依次基于当前属性字段对所述第一历史数据进行相应的预设 分组方式的分组， 得到当前属 性字段对应的至少两个分组区间， 若分组区间的数量处于预 设数量范围内， 则将对应的当前属性字段确定为目标分组属性字段， 其中， 所述预设分组方 式在训练阶段根据对应的历史数据的数据表现确定； 将所述目标分组属性字段对应的分组区间确定为目标分组区间。 3.根据权利要求2所述的方法， 其特征在于， 所述相关属性字段排序中的各属性字段按 照累计次数由大至小排序； 在所述将对应的当前属性字段确定为目标分组属性字段之后， 还 包括： 将所述相关属性字段排序中所述目标分组属性字段对应的累计次数加1， 并更新所述 相关属性字段排序； 其中， 所述获取 所述当前微 服务对应的相关属性字段排序， 包括： 获取所述当前微服务对应的上一次更新得到的相关属性字段排序， 或者， 获取所述当 前微服务对应的训练阶段的相关属性字段排序； 其中， 所述历史贝叶斯网络模型包括： 上一次更新得到的贝叶斯网络模型， 或者， 训练阶段的贝叶斯网络模型。 4.根据权利要求3所述的方法， 其特征在于， 所述训练阶段的相关属性字段排序通过以 下方式得到： 获取当前微 服务对应的连续多个预设时长内的第二历史数据； 针对每个预设时长， 依次基于各属性字段对当前预设时长对应的第 二历史数据进行预 设分组方式的分组， 得到各属 性字段分别对应的分组区间数量， 将分组区间数量最接近于 预设数量的属性字段确定为目标字段， 将目标字段对应的累计次数加1， 其中， 预设分组方 式根据第二历史数据的数据表现确定， 所述预设分组方式对应的分组原则包括每组成员最 少数量和/或分组误差分组， 所述预设 分组方式包括 监督式或非监 督式； 根据各属性字段分别对应的最终累计次数确定训练阶段的相关属性字段排序。 5.根据权利要求4所述的方法， 其特征在于， 所述将分组区间数量最接近于预设数量的 属性字段确定为目标字段， 包括： 若存在多个分组区间数量最接近于预设数量的候选属性字段， 则采用随机抽样方式从权　利　要　求　书 1/2 页 2 CN 114117447 A 2多个候选属性字段中选取一个候选属性字段作为目标字段。 6.根据权利要求4所述的方法， 其特征在于， 所述训练阶段的贝叶斯网络模型通过以下 方式得到： 对于每个微服务， 将当前微服务对应的相关属性字段排序中排名首位的相关属性字段 确定为目标分组字段， 基于目标分组字段对当前微服务对应的所述连续多个预设时长内的 所有第二历史数据进行 预设分组方式的分组， 得到目标分组字段对应的分组区间； 以所述系统中所有微服务对应的分组区间为节点， 利用贝叶斯网络对所有第 二历史数 据进行建模， 得到训练阶段的贝叶斯网络模型。 7.根据权利要求 4所述的方法， 其特 征在于， 所述预设数量范围包 含所述预设数量。 8.一种基于贝叶斯网络的态 势感知装置， 其特 征在于， 包括： 分组区间确定模块， 用于针对系统中的每个微服务， 根据当前微服务对应的预设历史 数据以及相关属性字段的数据 表现确定目标分组属性字段， 以及确定所述目标分组属性字 段对应的至少两个目标分组区间； 历史模型更新模块， 用于以所述系统中所有微服务对应的目标分组区间为目标节点， 对历史贝叶斯网络模型进行 更新， 得到目标贝叶斯网络模型； 目标模型应用模块， 用于基于所述目标贝叶斯网络模型进行零信任的态 势感知。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1‑7任一项所述 的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114117447 A 3