[發明專利]基于機器深度學習的網絡安全態勢特征聚類方法在審
| 申請號： | 201710277365.2 | 申請日： | 2017-04-25 |
| 公開（公告）號： | CN107124410A | 公開（公告）日： | 2017-09-01 |
| 發明（設計）人： | 鄒培利;林小淞;張靠勤 | 申請（專利權）人： | 廈門卓訊信息技術有限公司 |
| 主分類號： | H04L29/06 | 分類號： | H04L29/06;G06F17/30 |
| 代理公司： | 廈門市精誠新創知識產權代理有限公司35218 | 代理人： | 何家富 |
| 地址： | 361000 福建省廈*** | 國省代碼： | 福建;35 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 機器 深度 學習 網絡安全 態勢 特征 方法 | ||
1.基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：包括以下步驟，
S1、獲取網絡惡意數據包，以及惡意數據包對應的屬性信息；
S2、對惡意數據包，以及與惡意數據包對應的屬性信息進行處理分析，得到惡意數據包的特征數據集；
S3、采用聚類算法對惡意數據包所包含的特征進行聚類。
2.如權利要求1所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S1中惡意數據包對應的屬性信息包括源物理端口、虛擬局域網標識、源網絡硬件地址、源IP地址、源傳輸控制協議端口中的至少一種。
3.如權利要求1所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S2中惡意數據包的特征數據集包括惡意數據包大小、惡意數據包類型及惡意數據包的屬性信息。
4.如權利要求1所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S3中聚類算法為凝聚型層次聚類算法或層次聚類算法。
5.如權利要求1所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S3中聚類算法為K-MEANS算法、DBSCAN算法或CLIQUE算法。
6.如權利要求1所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S3具體包括以下步驟，
S301，將每個惡意數據包當作一個類簇，并計算任意兩個類簇中心之間的距離；
S302，將距離最小的兩個類簇合并成為一個新的類簇；
S303，計算新類簇的中心位置；
S304，重新計算新類簇與所有類簇中心之間的距離；
S305，判斷類簇數是否等于預設值k，如果等于，則結束，如果不等于，則跳轉到步驟S302。
7.如權利要求6所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述距離計算采用歐式距離。
8.如權利要求6所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S2中惡意數據包的特征數據集包括惡意數據包大小、惡意數據包類型和源IP地址。
9.如權利要求6所述的基于機器深度學習的網絡安全態勢特征聚類方法，其特征在于：所述步驟S2中惡意數據包的特征數據集包括惡意數據包大小、惡意數據包類型、源物理端口、源網絡硬件地址、源IP地址和源傳輸控制協議端口。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廈門卓訊信息技術有限公司，未經廈門卓訊信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710277365.2/1.html，轉載請聲明來源鉆瓜專利網。
