一种神经网络赋能的网络安全资产动态更新方法

本发明公开了一种神经网络赋能的网络安全资产动态更新方法，涉及网络安全领域。该方法通过构建多模态神经网络架构(M3Net)，实现特征融合、动态更新和上下文感知的三阶段处理。具体包括：多维特征提取，通过混合编码器H‑Encoder融合卷积神经网络(ΦCNN)、长短期记忆网络(ΦLSTM)和图神经网络(GNN)的输出，实现对拓扑图像特征、时序流量特征和资产关联关系的多模态特征提取；动态更新机制，构建在线增量学习模型，根据自适应遗忘因子动态调整模型参数，实现网络安全资产的实时更新；上下文感知建模，引入注意力机制，通过Transformer编码器结构计算资产之间的关联度，增强资产之间的语义关联计算。该方法能够有效解决现有技术中存在的问题，实现网络安全资产的实时动态更新和高精度识别。