本发明涉及网络安全的，尤其涉及一种网络攻击的风险检测方法、装置、设备及存储介质。
背景技术：
1、随着网络技术的蓬勃发展，网络的规模日益扩大，软件定义网络(softwaredefined network，sdn)广泛应用于不同的企业，sdn将数据传输与网络控制相互解耦，控制平面与数据平面分离，从而将控制功能从网络设备中移除，在逻辑上实现网络的集中控制和管理。
2、在sdn中，ddos(distributed denial of service attack，分散式阻断服务攻击)是一种经常遭受到的网络攻击，攻击者通过控制大量主机产生大量非法流量耗尽sdn的资源，造成网络延迟和数据包的丢失。
3、当前防护ddos等网络攻击的手段大多是使用机器学习模型或深度学习模型挖掘历史流量数据的规律性，以此预测企业未来遭受到ddos等网络攻击的风险。
4、但是，企业的流量数据的规律性弱，使得预测企业未来遭受到ddos等网络攻击的风险的精确度低，容易出现漏报和误报等问题，导致企业的网络安全性较低。
技术实现思路
1、本发明提供了一种网络攻击的风险检测方法、装置、设备及存储介质，以解决如何提高检测企业未来遭受到网络攻击的风险的精确度的问题。
2、根据本发明的一方面，提供了一种网络攻击的风险检测方法，包括：
3、对企业分别查询在新增业务时的业务信息、在升级应用程序时的应用信息与多个时间周期内的网络流量数据；
4、依据所述业务信息与所述网络流量数据计算所述企业受到网络攻击的第一突变权重；
5、依据所述应用信息与所述网络流量数据计算所述企业受到网络攻击的第二突变权重；
6、将所述第一突变权重与所述第二突变权重融合为所述企业受到网络攻击的突变等级；
7、加载风险检测网络，所述风险检测网络具有序列特征结构、多个为突变等级训练的检测分支结构；
8、将所述网络流量数据输入所述序列特征结构中提取在时序上的特征，得到流量时序特征；
9、将所述流量时序特征输入所述企业受到网络攻击的突变等级对应的所述检测分支结构中检测所述企业在未来受到网络攻击的风险等级。
10、根据本发明的另一方面，提供了一种网络攻击的风险检测装置，包括：
11、企业信息查询模块，用于对企业分别查询在新增业务时的业务信息、在升级应用程序时的应用信息与多个时间周期内的网络流量数据；
12、第一突变权重计算模块，用于依据所述业务信息与所述网络流量数据计算所述企业受到网络攻击的第一突变权重；
13、第二突变权重计算模块，用于依据所述应用信息与所述网络流量数据计算所述企业受到网络攻击的第二突变权重；
14、突变等级融合模块，用于将所述第一突变权重与所述第二突变权重融合为所述企业受到网络攻击的突变等级；
15、风险检测网络加载模块，用于加载风险检测网络，所述风险检测网络具有序列特征结构、多个为突变等级训练的检测分支结构；
16、流量时序特征提取模块，用于将所述网络流量数据输入所述序列特征结构中提取在时序上的特征，得到流量时序特征；
17、风险等级检测模块，用于将所述流量时序特征输入所述企业受到网络攻击的突变等级对应的所述检测分支结构中检测所述企业在未来受到网络攻击的风险等级。
18、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
19、至少一个处理器；以及
20、与所述至少一个处理器通信连接的存储器；其中，
21、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的网络攻击的风险检测方法。
22、根据本发明的另一方面，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存储有计算机程序，所述计算机程序用于使处理器执行时实现本发明任一实施例所述的网络攻击的风险检测方法。
23、在本实施例中，依据企业在新增业务时的业务信息与网络流量数据计算企业受到网络攻击的第一突变权重，依据企业在升级应用程序时的应用信息与网络流量数据计算企业受到网络攻击的第二突变权重，从而将第一突变权重与第二突变权重融合为企业受到网络攻击的突变等级，将网络流量数据输入序列特征结构中提取在时序上的特征，得到流量时序特征；将流量时序特征输入企业受到网络攻击的突变等级对应的检测分支结构中检测企业在未来受到网络攻击的风险等级。一方面，序列特征结构提供了通用的特征，将不同风险等级当作一个整体看待，并不区分不同的风险等级，对特征收敛到了浅层特征的范围，可减轻检测分支结构的工作量，提高检测分支结构分类的准确性，另一方面，在序列特征结构的基础上外接了多个检测分支结构，不同风险等级下网络流量差异性大，检测分支结构主要关心风险等级带来的波动，并不关心底层的特征，其结构的复杂度小于一个完整的模型，不仅可以区分不同风险等级下的分类，满足风险检测的业务需求，提高预测企业未来遭受到网络攻击的风险的精确度，减少漏报和误报等问题，提高企业的网络安全性，还可以减少计算量，减少对资源的占用。
24、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种网络攻击的风险检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述依据所述业务信息与所述网络流量数据计算所述企业受到网络攻击的第一突变权重，包括：
3.根据权利要求2所述的方法，其特征在于，所述依据所述应用信息与所述网络流量数据计算所述企业受到网络攻击的第二突变权重，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述第一突变权重与所述第二突变权重融合为所述企业受到网络攻击的突变等级，包括：
5.根据权利要求1所述的方法，其特征在于，所述序列特征结构包括第一长短期记忆网络、第二长短期记忆网络、第三长短期记忆网络、第四长短期记忆网络、第五长短期记忆网络、第六长短期记忆网络、第七长短期记忆网络、第八长短期记忆网络，第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层与第七卷积层；
6.根据权利要求5所述的方法，其特征在于，各个所述检测分支结构均包括第一全连接层、第二全连接层、第三全连接层、第一空洞空间金字塔池化层、第二空洞空间金字塔池化层与归一化指数函数；
7.根据权利要求1-6中任一项所述的方法，其特征在于，还包括：
8.一种网络攻击的风险检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行时实现权利要求1-7中任一项所述的网络攻击的风险检测方法。
