摘要
本发明提供了一种基于神经网络的异常访问防御方法及系统，涉及数据安全技术领域，包括获取校园网络的设备访问维度数据、流量日志维度数据和用户行为维度数据；对获取的数据进行预处理，并进行特征提取，得到实时高维度特征向量；将历史高维度特征向量输入预设的神经网络模型进行训练，结合图结构学习设备关系，优化特征向量，得到训练后的神经网络模型；基于训练后的神经网络模型，实时分析实时特征向量与历史特征向量的相似度，并确定异常行为特征；最后，将异常行为特征发送至优化模型进行防御策略确定，得到实时防御策略，本步骤可以在大规模网络中实现高效的实时异常访问检测和防御策略的动态优化。
