本發(fā)明涉及計算機(jī)，尤其涉及一種云安全組件推薦方法、裝置及電子設(shè)備。

背景技術(shù)：

1、隨著云計算機(jī)技術(shù)的迅速發(fā)展，將各類業(yè)務(wù)設(shè)置于云端成為一種趨勢，隨之而來的云安全問題受到云租戶的廣泛重視，云服務(wù)平臺為云租戶提供了多種可選的云安全組件，且云安全組件對應(yīng)的組件產(chǎn)品也種類繁多。

2、通常，云服務(wù)平臺可以通過人工為云租戶提供針對云安全組件和組件產(chǎn)品的推薦方案，但是，由于云安全組件以及對應(yīng)的組件產(chǎn)品的更新頻率較快，基于人工推薦的方式可能存在推薦不夠精準(zhǔn)以及推薦效率差的問題，影響云租戶的使用體驗，不能滿足日益增長的云安全需求。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例的目的是提供一種云安全組件推薦方法、裝置及電子設(shè)備，以解決現(xiàn)有技術(shù)中在生成針對云租戶的云安全組件和組件產(chǎn)品的推薦方案中，存在的推薦準(zhǔn)確性和推薦效率差的問題。

2、為解決上述技術(shù)問題，本發(fā)明實施例是這樣實現(xiàn)的：

3、第一方面，本發(fā)明實施例提供的一種云安全組件推薦方法，所述方法包括：

4、基于獲取的云租戶的信息、云安全組件的信息以及組件產(chǎn)品的信息，確定鄰接矩陣和特征矩陣，所述鄰接矩陣用于表征所述云租戶與所述云安全組件之間的使用關(guān)系，以及所述云安全組件與所述組件產(chǎn)品之間的使用關(guān)系，所述特征矩陣用于表征所述云租戶、所述云安全組件以及所述組件產(chǎn)品的特征信息；

5、通過預(yù)先訓(xùn)練的推薦模型，對所述鄰接矩陣和所述特征矩陣進(jìn)行處理，得到針對所述云租戶的第一推薦信息，所述推薦模型包括對所述特征矩陣和所述鄰接矩陣進(jìn)行特征提取處理的編碼器，以及用于對所述編碼器的輸出結(jié)果進(jìn)行重建得到推薦信息的解碼器；

6、基于所述云租戶已選擇的云安全組件和組件產(chǎn)品，以及所述第一推薦信息，確定與所述云租戶對應(yīng)的第二推薦信息，并將所述第二推薦信息包含的云安全組件和組件產(chǎn)品輸出給所述云租戶。

7、可選地，所述基于獲取的云租戶的信息、云安全組件的信息以及組件產(chǎn)品的信息，確定鄰接矩陣和特征矩陣，包括：

8、基于所述云租戶的信息、所述云安全組件的信息以及所述組件產(chǎn)品的信息，構(gòu)建目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)，所述目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)包含節(jié)點和不同節(jié)點之間的連接關(guān)系，所述節(jié)點基于所述云租戶、所述云安全組件以及所述組件產(chǎn)品確定，所述不同節(jié)點之間的連接關(guān)系基于所述云租戶與所述云安全組件之間的使用關(guān)系，以及所述云安全組件與所述組件產(chǎn)品之間的使用關(guān)系確定；

9、對所述目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行轉(zhuǎn)化處理，得到所述鄰接矩陣和所述特征矩陣。

10、可選地，在所述通過預(yù)先訓(xùn)練的推薦模型，對所述鄰接矩陣和所述特征矩陣進(jìn)行處理，得到針對所述云租戶的第一推薦信息之前，還包括：

11、獲取用于訓(xùn)練所述推薦模型的歷史鄰接矩陣和歷史特征矩陣；

12、通過所述推薦模型的編碼器，將所述歷史鄰接矩陣和所述歷史特征矩陣投影到預(yù)設(shè)低維向量空間，得到第一向量表示；

13、通過所述推薦模型的解碼器，對所述第一向量表示進(jìn)行重建處理，得到重建的歷史鄰接矩陣；

14、基于預(yù)設(shè)損失函數(shù)、所述歷史鄰接矩陣和所述重建的歷史鄰接矩陣，確定損失值，并基于所述損失值，確定所述推薦模型是否收斂，并在確定所述推薦模型未收斂的情況下，基于所述歷史鄰接矩陣和所述歷史特征矩陣?yán)^續(xù)對所述推薦模型進(jìn)行訓(xùn)練直到所述推薦模型收斂，得到訓(xùn)練后的推薦模型。

15、可選地，所述通過所述推薦模型的編碼器，將所述歷史鄰接矩陣和所述歷史特征矩陣投影到預(yù)設(shè)低維向量空間，得到第一向量表示，包括：

16、通過所述編碼器的第一圖卷積層，對所述歷史鄰接矩陣和所述歷史特征矩陣進(jìn)行特征提取處理，得到第一子向量表示；

17、將所述第一子向量表示輸入所述編碼器中的第一舍棄層，得到第二子向量表示；

18、通過所述編碼器的第二圖卷積層，對所述第二子向量表示進(jìn)行特征提取處理，得到第三子向量表示，所述第二圖卷積層的卷積核個數(shù)小于所述第一圖卷積層的卷積核個數(shù)；

19、將所述第三子向量表示輸入所述編碼器中的第二舍棄層，得到所述第一向量表示。

20、可選地，所述第一圖卷積層包括預(yù)設(shè)數(shù)量的神經(jīng)網(wǎng)絡(luò)層，所述通過所述編碼器的第一圖卷積層，對所述歷史鄰接矩陣和所述歷史特征矩陣進(jìn)行特征提取處理，得到第一子向量表示，包括：

21、將所述歷史特征矩陣作為初始輸出數(shù)據(jù)，并基于預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述初始輸出數(shù)據(jù)，確定第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

22、基于所述預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

23、基于所述預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定第三層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，并基于所述第三層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)的確定方法，繼續(xù)確定第四層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，直到得到最后一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

24、將所述最后一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定為所述第一子向量表示。

25、可選地，所述基于所述預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，包括：

26、基于所述第二鄰接矩陣的節(jié)點度對角矩陣，對所述歷史鄰接矩陣進(jìn)行對稱歸一化處理，得到第一鄰接矩陣；

27、基于所述歷史鄰接矩陣和預(yù)設(shè)單元矩陣，得到第二鄰接矩陣；

28、基于所述第一鄰接矩陣、所述第二鄰接矩陣、所述第二鄰接矩陣的節(jié)點度對角矩陣、所述預(yù)設(shè)非線性激活函數(shù)、所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的預(yù)設(shè)參數(shù)矩陣，以及所述第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)。

29、可選地，所述通過所述推薦模型的解碼器，對所述第一向量表示進(jìn)行重建處理，得到重建的歷史鄰接矩陣，包括：

30、基于預(yù)設(shè)激活函數(shù)、所述第一向量表示，以及所述第一向量表示的轉(zhuǎn)置向量表示，得到所述重建的歷史鄰接矩陣。

31、第二方面，本發(fā)明實施例提供了一種云安全組件推薦裝置，所述裝置包括：

32、信息獲取模塊，用于基于獲取的云租戶的信息、云安全組件的信息以及組件產(chǎn)品的信息，確定鄰接矩陣和特征矩陣，所述鄰接矩陣用于表征所述云租戶與所述云安全組件之間的使用關(guān)系，以及所述云安全組件與所述組件產(chǎn)品之間的使用關(guān)系，所述特征矩陣用于表征所述云租戶、所述云安全組件以及所述組件產(chǎn)品的特征信息；

33、數(shù)據(jù)處理模塊，用于通過預(yù)先訓(xùn)練的推薦模型，對所述鄰接矩陣和所述特征矩陣進(jìn)行處理，得到針對所述云租戶的第一推薦信息，所述推薦模型包括對所述特征矩陣和所述鄰接矩陣進(jìn)行特征提取處理的編碼器，以及用于對所述編碼器的輸出結(jié)果進(jìn)行重建得到推薦信息的解碼器；

34、信息推薦模塊，用于基于所述云租戶已選擇的云安全組件和組件產(chǎn)品，以及所述第一推薦信息，確定與所述云租戶對應(yīng)的第二推薦信息，并將所述第二推薦信息包含的云安全組件和組件產(chǎn)品輸出給所述云租戶。

35、可選地，所述信息獲取模塊，用于：

36、基于所述云租戶的信息、所述云安全組件的信息以及所述組件產(chǎn)品的信息，構(gòu)建目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)，所述目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)包含節(jié)點和不同節(jié)點之間的連接關(guān)系，所述節(jié)點基于所述云租戶、所述云安全組件以及所述組件產(chǎn)品確定，所述不同節(jié)點之間的連接關(guān)系基于所述云租戶與所述云安全組件之間的使用關(guān)系，以及所述云安全組件與所述組件產(chǎn)品之間的使用關(guān)系確定；

37、對所述目標(biāo)圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行轉(zhuǎn)化處理，得到所述鄰接矩陣和所述特征矩陣。

38、可選地，所述裝置，還包括：

39、矩陣獲取模塊，用于獲取用于訓(xùn)練所述推薦模型的歷史鄰接矩陣和歷史特征矩陣；

40、數(shù)據(jù)編碼模塊，用于通過所述推薦模型的編碼器，將所述歷史鄰接矩陣和所述歷史特征矩陣投影到預(yù)設(shè)低維向量空間，得到第一向量表示；

41、向量重建模塊，用于通過所述推薦模型的解碼器，對所述第一向量表示進(jìn)行重建處理，得到重建的歷史鄰接矩陣；

42、模型訓(xùn)練模塊，用于基于預(yù)設(shè)損失函數(shù)、所述歷史鄰接矩陣和所述重建的歷史鄰接矩陣，確定損失值，并基于所述損失值，確定所述推薦模型是否收斂，并在確定所述推薦模型未收斂的情況下，基于所述歷史鄰接矩陣和所述歷史特征矩陣?yán)^續(xù)對所述推薦模型進(jìn)行訓(xùn)練直到所述推薦模型收斂，得到訓(xùn)練后的推薦模型。

43、可選地，所述數(shù)據(jù)編碼模塊，用于：

44、通過所述編碼器的第一圖卷積層，對所述歷史鄰接矩陣和所述歷史特征矩陣進(jìn)行特征提取處理，得到第一子向量表示；

45、將所述第一子向量表示輸入所述編碼器中的第一舍棄層，得到第二子向量表示；

46、通過所述編碼器的第二圖卷積層，對所述第二子向量表示進(jìn)行特征提取處理，得到第三子向量表示，所述第二圖卷積層的卷積核個數(shù)小于所述第一圖卷積層的卷積核個數(shù)；

47、將所述第三子向量表示輸入所述編碼器中的第二舍棄層，得到所述第一向量表示。

48、可選地，所述第一圖卷積層包括預(yù)設(shè)數(shù)量的神經(jīng)網(wǎng)絡(luò)層，所述數(shù)據(jù)編碼模塊，用于：

49、將所述歷史特征矩陣作為初始輸出數(shù)據(jù)，并基于預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述初始輸出數(shù)據(jù)，確定第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

50、基于所述預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

51、基于所述預(yù)設(shè)非線性激活函數(shù)、所述歷史鄰接矩陣和所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定第三層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，并基于所述第三層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)的確定方法，繼續(xù)確定第四層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，直到得到最后一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)；

52、將所述最后一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定為所述第一子向量表示。

53、可選地，所述數(shù)據(jù)編碼模塊，用于：

54、基于所述第二鄰接矩陣的節(jié)點度對角矩陣，對所述歷史鄰接矩陣進(jìn)行對稱歸一化處理，得到第一鄰接矩陣；

55、基于所述歷史鄰接矩陣和預(yù)設(shè)單元矩陣，得到第二鄰接矩陣；

56、基于所述第一鄰接矩陣、所述第二鄰接矩陣、所述第二鄰接矩陣的節(jié)點度對角矩陣、所述預(yù)設(shè)非線性激活函數(shù)、所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的預(yù)設(shè)參數(shù)矩陣，以及所述第一層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)，確定所述第二層的所述神經(jīng)網(wǎng)絡(luò)層的輸出數(shù)據(jù)。

57、可選地，所述向量重建模塊，用于：

58、基于預(yù)設(shè)激活函數(shù)、所述第一向量表示，以及所述第一向量表示的轉(zhuǎn)置向量表示，得到所述重建的歷史鄰接矩陣。

59、第三方面，本發(fā)明實施例提供一種電子設(shè)備，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，所述計算機(jī)程序被所述處理器執(zhí)行時實現(xiàn)上述實施例提供的云安全組件推薦方法的步驟。

60、第四方面，本發(fā)明實施例提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)上存儲計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述實施例提供的云安全組件推薦方法的步驟。

61、第五方面，本發(fā)明實施例提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述實施例提供的云安全組件推薦方法的步驟。

62、由以上本發(fā)明實施例提供的技術(shù)方案可見，本發(fā)明實施例基于獲取的云租戶的信息、云安全組件的信息以及組件產(chǎn)品的信息，確定鄰接矩陣和特征矩陣，其中，鄰接矩陣可以用于表征云租戶與云安全組件之間的使用關(guān)系，以及云安全組件與組件產(chǎn)品之間的使用關(guān)系，特征矩陣可以用于表征云租戶、云安全組件以及組件產(chǎn)品的特征信息，通過預(yù)先訓(xùn)練的推薦模型，對鄰接矩陣和特征矩陣進(jìn)行處理，得到針對云租戶的第一推薦信息，推薦模型包括對特征矩陣和鄰接矩陣進(jìn)行特征提取處理的編碼器，以及用于對編碼器的輸出結(jié)果進(jìn)行重建得到推薦信息的解碼器，基于云租戶已選擇的云安全組件和組件產(chǎn)品，以及第一推薦信息，確定與云租戶對應(yīng)的第二推薦信息，并將第二推薦信息包含的云安全組件和組件產(chǎn)品輸出給云租戶。這樣，通過推薦模型可以提高針對云租戶的云安全組件和組件產(chǎn)品的推薦效率，另外，基于能夠表征云租戶與云安全組件之間的使用關(guān)系，以及云安全組件與組件產(chǎn)品之間的使用關(guān)系的鄰接矩陣，以及能夠表征云租戶、云安全組件以及組件產(chǎn)品的特征信息的特征矩陣，以及預(yù)先訓(xùn)練的推薦模型，能夠準(zhǔn)確的生成與云租戶對應(yīng)的第一推薦信息，進(jìn)而通過云租戶已選擇的云安全組件和組件產(chǎn)品，以及第一推薦信息，可以生成準(zhǔn)確性較高的第二推薦信息，從而可以提高針對云租戶的云安全組件和組件產(chǎn)品的推薦準(zhǔn)確性。