1.一种改进卷积神经网络模型的信息系统，其特征在于：包括：数据特征提取模块，用于提取信息系统的数据信息；

异常数据分析模块，用于分析信息系统中的异常数据信息；

改进卷积神经网络模型，用于诊断信息系统中的异常数据信息；所述改进卷积神经网络模型设置有SPN建模模块；

数据查询模块，用于查询信息系统中的数据信息；

搜索模块，用于搜索信息系统中的数据信息；

其中所述数据特征提取模块的输出端与异常数据分析模块的输入端连接，异常数据分析模块的输出端与改进卷积神经网络模型的输入端连接，所述改进卷积神经网络模型的输出端与数据查询模块的输入端连接，所述数据查询模块的输出端与搜索模块的输入端连接；

其中所述SPN建模模块包括数据转换模块、功能生成模块、信息漏洞评估模块和数据缓解模块，其中所述数据转换模块的输出端与功能生成模块的输入端连接，所述功能生成模块的输出端与信息漏洞评估模块的输入端连接，信息漏洞评估模块的输出端与数据缓解模块的输入端连接，其中所述数据转换模块用于实现信息系统不同格式的转换，所述功能生成模块用于实现预期网络安全防护功能的生成，所述信息漏洞评估模块用于实现网络数据信息在传输过程中的评估，所述数据缓解模块用于实现网络数据信息的缓解；

在改进卷积神经网络模型中，其中使用具有3×3核的两个或三个连续卷积层来代替5×5卷积核或7×7卷积核；将三个非线性校正层而不是一个非线性校正层合并在一起；

在改进卷积神经网络模型中，SDCNN由一个过滤级和一个分类级组成，SDCNN的第一层是输入层，输入大小为500×1，在滤波器级，第一卷积部分由两个卷积层组成的堆栈组成；

带有2×1过滤器的maxpooling层；第二个卷积部分由三个卷积层和maxpooling层组成；其余层由普通卷积层和maxpooling层组成；2×1滤波器用于SDCNN中的所有maxpooling层；分类阶段由全局平均池化层和全连接层组成，输出层使用加权softmax损耗函数，网络内核大小表示为D×W×H，其中D表示内核的通道大小；W表示内核的宽度；H表示内核的高度；

其中数据转换模块为有限马尔可夫链格式转换模块；

其中功能生成模块根据信息系统内的数据节点、数据功能、通信类型以及需求，定义信息系统的数据信息形式，其中功能生成模块的输出函数为：（1）

在公式（1）中，其中 、、 是信息系统的常数， ，表示多种数据信息传感器， 表示数据信息传输函数， ， 表示控制器 的输出， 表示控制器数据函数， 表示时间 时信息系统功能生成状态；其中信息漏洞评估模块通过信息系统漏洞检测函数实现信息漏洞评估；其中数据缓解模块的输出函数为：（2）

式（2）中， 是时间 时应用缓解的强度，以使 满足

， 表示信息系统预期安全的偏差的输出函数， 表示信息漏洞生成时刚输出的偏差输出函数，从而防止违反信息系统的正确性属性。

2.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：信息漏洞评估模块以信息系统漏洞检测函数 为范围，如等式（3）所示：（3）

式（3）中， 是信息系统预期安全的偏差， 表示系统在时间 评估时，检测到漏洞 数据信息， 表示信息系统预期安全的偏差的输出函数， 表示信息漏洞生成时刚输出的偏差输出函数， 表示信息系统预期安全的偏差函数， 表示信息漏洞生成时信息系统预期安全的偏差函数， 中的 表示信息系统预期安全的偏差类型；

其中干扰因子函数表示为：

（4）

式（4）中， 表示干扰因子函数信息输出， 表示信息系统应用传感器个数，表示传感器值的干扰因子。

3.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：信息漏洞评估模块输出函数为：（5）

式（5）中， 表示 时间后 的系统安全状态变化， 表示信息系统故障状态集。

4.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：数据特征提取模块和异常数据分析模块的控制模块为ARM+DSP控制模块。

5.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：改进卷积神经网络模型为串联卷积分神经网络模型。

6.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：数据查询模块包括数据检索引擎。

7.根据权利要求1所述的一种改进卷积神经网络模型的信息系统，其特征在于：搜索模块包括功能搜索模块、参数搜索模块和属性搜索模块。