针对通信网络安全威胁评估中存在的规则固定、识别滞后、应变能力差等问题,提出一种基于深度学习的智能评估系统。系统以长短期记忆(Long Short Term Memory,LSTM)神经网络为核心,结合网络流量数据感知与序列特征建模能力,构建涵盖异常检测、威胁识别与风险量化的全流程评估框架。系统可对多源异构数据中的潜在安全威胁进行自适应学习与动态响应,具备自动识别未知攻击模式与量化风险等级的能力。通过对比实验验证,所提系统在识别准确率、评估时延、模型适应性等关键指标方面均优于传统基于规则或统计特征的威胁评估方法。
