[發(fā)明專利]計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710333143.8
• 申請(qǐng)日: 2017-05-12
• 公開（公告）號(hào): CN107196930B
• 公開（公告）日: 2019-11-29
• 發(fā)明（設(shè)計(jì)）人: 耐爾;屈朝暉
• 申請(qǐng)（專利權(quán)）人: 蘇州優(yōu)圣美智能系統(tǒng)有限公司
• 主分類號(hào): H04L29/06
• 分類號(hào): H04L29/06
• 代理公司: 11369 北京遠(yuǎn)大卓悅知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 韓飛<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入國(guó)

1.一種計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，其包括步驟：

從計(jì)算機(jī)網(wǎng)絡(luò)事務(wù)中獲取事件；

從所述事件中同時(shí)提取多個(gè)所述特征并輸出；

將輸出的多個(gè)所述特征與已學(xué)習(xí)趨勢(shì)作比較，得到異常；對(duì)所述異常進(jìn)行判斷與推理，根據(jù)所述判斷與推理發(fā)出警報(bào)與操作；具體包括：

將連續(xù)值型特征從有限集特征中分離；

設(shè)置存儲(chǔ)所述已學(xué)習(xí)趨勢(shì)的學(xué)習(xí)趨勢(shì)模塊；

將分離后的有限集特征轉(zhuǎn)換成所述學(xué)習(xí)趨勢(shì)模塊的地址；

選擇出具有所述地址的學(xué)習(xí)趨勢(shì)模塊接收分離出的所述連續(xù)值型特征；

將所述學(xué)習(xí)趨勢(shì)模塊中存儲(chǔ)的所述已學(xué)習(xí)趨勢(shì)與接收的所述連續(xù)值型特征進(jìn)行比較，輸出異常；

對(duì)所述異常進(jìn)行判斷與推理并輸出；

存儲(chǔ)所述事件、異常和任何與計(jì)算機(jī)網(wǎng)絡(luò)相關(guān)的異常檢測(cè)信息；

存儲(chǔ)具有一系列所述連續(xù)值型特征的所述學(xué)習(xí)趨勢(shì)；以及，

接收所述判斷與推理，發(fā)出警報(bào)與操作；

其中，多個(gè)所述特征包括包含實(shí)數(shù)的連續(xù)值型特征和呈現(xiàn)為集合的有限集型特征；所述已學(xué)習(xí)趨勢(shì)包括一系列所述連續(xù)值型特征。

2.如權(quán)利要求1所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，

獲取的所述事件包括一個(gè)事件或?qū)⒁幌盗惺录凑帐录g的邏輯關(guān)系進(jìn)行捆綁形成的事件捆綁。

3.如權(quán)利要求1所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，獲取所述事件，包括步驟：

收集計(jì)算機(jī)網(wǎng)絡(luò)事務(wù)中的數(shù)據(jù)包；

將所述數(shù)據(jù)包按照事務(wù)屬性分類存儲(chǔ)于數(shù)據(jù)結(jié)構(gòu)中，形成所述事件。

4.如權(quán)利要求1所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，獲取所述事件，還包括步驟：從其他來源獲取所述事件。

5.如權(quán)利要求1或3或4所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，獲取所述事件后，還包括步驟：對(duì)所述事件進(jìn)行聚合、選擇以及過濾處理。

6.如權(quán)利要求3所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，提取所述特征，包括步驟：

從所述事件中提取所述數(shù)據(jù)結(jié)構(gòu)各字段之間的交互相關(guān)；或，

從所述事件中提取所述數(shù)據(jù)結(jié)構(gòu)各行之間的順序相關(guān)。

7.如權(quán)利要求6所述的計(jì)算機(jī)網(wǎng)絡(luò)異常檢測(cè)方法，其特征在于，多個(gè)所述特征輸出，還包括步驟：

對(duì)多個(gè)所述特征進(jìn)行基于數(shù)學(xué)運(yùn)算的轉(zhuǎn)化處理，優(yōu)化所述特征。