一种基于深度学习的电子阅读器在线数据服务中心的制作方法

本发明属于数据识别，具体涉及一种基于深度学习的电子阅读器在线数据服务中心。

背景技术：

1、电子阅读器在线数据服务中心是一个利用现代技术提供数字化阅读服务的平台。这种服务通过云计算、大数据等数字化技术，为用户提供了包括搜书、看书、听书、购书在内的一体化数字阅读体验。云阅读平台不仅聚合了海量的书籍、期刊、网页文章等内容资源，而且还支持读者在不同阅读终端上进行高质量的数字阅读。这些在线数据服务中心常常通过常规的防火墙来保证服务安全性，而传统的防火墙技术由于缺少应对新型网络攻击的能力，已经不能满足数据服务中的安全需求。

技术实现思路

1、本发明提供一种基于深度学习的电子阅读器在线数据服务中心，用以解决现有技术中存在的技术问题。

2、一种基于深度学习的电子阅读器在线数据服务中心，包括：数据存储模块、网络流量采集模块、深度学习模块以及安全监管模块；

3、所述数据存储模块，用于存储电子阅读器的在线数据以及允许电子阅读器访问已存储的电子书数据；

4、所述网络流量采集模块，用于与电子阅读器进行数据交互时，采集交互过程所产生的网络流量信息；

5、所述深度学习模块，用于采用深度学习模型构建用于进行安全监管的网络流量识别模型，并对所述网络流量识别模型进行训练之后，得到具备网络安全监测的网络流量识别模型；

6、所述安全监管模块，用于采用具备网络安全监测的网络流量识别模型对网络流量信息进行识别，得到网络安全监管结果，并根据所述网络安全监管结果对电子阅读器的访问进行控制。

7、进一步地，采用深度学习模型构建用于进行安全监管的网络流量识别模型，包括：采用顺次连接的第一卷积层、第一relu激活层、第一池化层、第二卷积层、第二relu激活层、第二池化层、第三卷积层、第三relu激活层、第三池化层、flatten层、全连接层、dropout层以及softmax输出层构建网络入侵检测模型。

8、进一步地，对所述网络流量识别模型进行训练之后，得到具备网络安全监测的网络流量识别模型，包括：

9、对所述网络流量识别模型的超参数进行多次初始化，得到超参数编码；

10、重复多次初始化之后，得到多个不同的超参数编码；

11、获取每个超参数编码对应的适应度，并根据每个超参数编码对应的适应度确定最优超参数编码；

12、以所述最优超参数编码为参考，采用非线性加权引导策略对每个超参数编码进行一次引导更新，得到一次引导更新之后的超参数编码；

13、采用双最优引导策略对一次引导更新之后的超参数编码进行二次引导更新，得到二次引导更新之后的超参数编码；

14、采用随机匹配交叉引导更新策略对二次引导更新之后的超参数编码进行三次引导更新，得到三次引导更新之后的超参数编码；

15、采用随机飞行引导策略对三次引导更新之后的超参数编码进行四次引导更新，得到四次引导更新之后的超参数编码；

16、判断是否满足迭代结束条件，若是，则重新获取最优超参数编码，并将重新获取的超参数编码作为网络流量识别模型的最终参数，得到具备网络安全监测的网络流量识别模型，否则返回一次引导更新的步骤。

17、进一步地，获取每个超参数编码对应的适应度，包括：

18、获取预先存储或者通过人机交互输入的训练集；其中，所述训练集包括样本网络流量信息以及样本网络流量信息对应的样本标签；

19、将超参数编码所包含的超参数应用至网络流量识别模型中之后，以样本网络流量信息作为网络流量识别模型的输入，获取网络流量识别模型的实际输出；

20、根据网络流量识别模型的实际输出以及样本网络流量信息对应的样本标签，确定超参数编码对应的交叉熵损失函数；

21、根据超参数编码对应的交叉熵损失函数，确定超参数编码对应的适应度为：1/（交叉熵损失函数+0.0001）；

22、遍历所有超参数编码，得到每个超参数编码对应的适应度。

23、进一步地，根据每个超参数编码对应的适应度确定最优超参数编码，包括：根据每个超参数编码对应的适应度，确定适应度最小的超参数编码为最优超参数编码。

24、进一步地，以所述最优超参数编码为参考，采用非线性加权引导策略对每个超参数编码进行一次引导更新，得到一次引导更新之后的超参数编码，包括：

25、针对任一个超参数编码，对最优超参数编码以及超参数编码进行加权相减，确定引导信息项；

26、采用第一非线性搜索系数对引导信息项进行结合，得到第一引导更新信息；

27、采用第二非线性搜索系数对超参数编码进行加权，得到原始位置信息；

28、将所述原始位置信息与所述第一引导更新信息融合，得到一次更新之后的超参数编码。

29、进一步地，采用双最优引导策略对一次引导更新之后的超参数编码进行二次引导更新，得到二次引导更新之后的超参数编码，包括：

30、针对任一个一次引导更新之后的超参数编码，根据每个超参数编码对应的适应度，确定第一引导更新系数以及第二引导更新系数；

31、根据最优超参数编码、超参数编码对应的历史最优状态以及第一引导更新系数，确定超参数编码对应的第二引导更新项；

32、根据最优超参数编码、超参数编码对应的历史最优状态以及第二引导更新系数，确定超参数编码对应的第三引导更新项；

33、根据所述第二引导更新项以及第三引导更新项，对超参数编码进行二次引导更新，得到二次引导更新之后的超参数编码。

34、进一步地，采用随机匹配交叉引导更新策略对二次引导更新之后的超参数编码进行三次引导更新，得到三次引导更新之后的超参数编码，包括：

35、针对任一个二次引导更新之后的超参数编码，为超参数编码随机匹配一个第一随机编码以及第二随机编码；

36、根据所述第一随机编码以及第二随机编码，采用自适应搜索控制系数获取超参数编码对应的第四引导更新项；

37、根据超参数编码对应的第四引导更新项，对超参数编码进行三次引导更新，得到三次引导更新之后的超参数编码。

38、进一步地，采用随机飞行引导策略对三次引导更新之后的超参数编码进行四次引导更新，得到四次引导更新之后的超参数编码，包括：

39、针对每一个三次引导更新之后的超参数编码，采用最优超参数编码为参照，确定超参数编码对应的信息差项；

40、采用随机飞行对超参数编码对应的信息差项进行加权，得到第四引导更新项；

41、根据所述第四引导更新项，对超参数编码进行四次引导更新，得到四次引导更新之后的超参数编码。

42、进一步地，采用具备网络安全监测的网络流量识别模型对网络流量信息进行识别，得到网络安全监管结果，并根据所述网络安全监管结果对电子阅读器的访问进行控制，包括：

43、将网络流量信息作为具备网络安全监测的网络流量识别模型的输入，得到网络安全监管结果；其中，所述网络安全监管结果包括网络安全或者网络异常；

44、当所述网络安全监管结果为网络安全时，则保持与电子阅读器的访问连接；

45、当所述网络安全监管结果为网络异常时，则断开与电子阅读器的访问连接，同时以电子阅读器的信息为基础，生成网络安全异常日志。

46、本发明提供的一种基于深度学习的电子阅读器在线数据服务中心，通过与电子阅读器进行数据交互时，采集交互过程所产生的网络流量信息，并采用具备网络安全监测的网络流量识别模型对所述网络流量信息进行识别，从而可以发现电子阅读器在与数据服务器中心交互过程中的异常，能够及时发现非法的攻击行为，提升了电子阅读器在线数据服务中心的安全性能。