[發(fā)明專利]一種基于任務(wù)執(zhí)行軌跡模型的感知節(jié)點異常檢測方法

有效

• 申請?zhí)枺?/td>: 201810548226.3
• 申請日: 2018-05-31
• 公開（公告）號: CN108920356B
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計）人: 馬峻巖;張穎;王瑾;李易;張?zhí)?/a>
• 申請（專利權(quán)）人: 長安大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36;H04L12/24
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 周春霞

1.一種基于任務(wù)執(zhí)行軌跡模型的感知節(jié)點異常檢測方法，該方法用于獲取感知節(jié)點中的源代碼中的異常任務(wù)，其特征在于，包括以下步驟：

步驟1，分別提取異常的源代碼和正常的源代碼中運行的任務(wù)的任務(wù)執(zhí)行記錄，分別記為異常任務(wù)執(zhí)行記錄和正常任務(wù)執(zhí)行記錄；任務(wù)執(zhí)行記錄包括時間戳信息和任務(wù)ID；

步驟2：分別基于異常任務(wù)執(zhí)行記錄和正常任務(wù)執(zhí)行記錄，利用執(zhí)行任務(wù)軌跡構(gòu)建方法，構(gòu)建異常任務(wù)執(zhí)行軌跡模型和正常任務(wù)執(zhí)行軌跡模型；

所述的執(zhí)行任務(wù)軌跡構(gòu)建方法，包括以下步驟：

利用時間戳信息，按照設(shè)定大小的時間窗對異常任務(wù)執(zhí)行記錄進(jìn)行區(qū)間劃分，得到多個區(qū)間；針對每個區(qū)間，統(tǒng)計該區(qū)間內(nèi)的每個任務(wù)的執(zhí)行頻數(shù)，所有任務(wù)的執(zhí)行頻數(shù)形成該區(qū)間對應(yīng)的區(qū)間頻數(shù)向量；所有區(qū)間對應(yīng)的區(qū)間執(zhí)行頻數(shù)向量形成異常任務(wù)執(zhí)行軌跡模型；

利用時間戳信息，按照設(shè)定大小的時間窗對正常任務(wù)執(zhí)行記錄進(jìn)行區(qū)間劃分，得到多個區(qū)間；針對每個區(qū)間，統(tǒng)計該區(qū)間內(nèi)的每個任務(wù)的執(zhí)行頻數(shù)，所有任務(wù)的執(zhí)行頻數(shù)形成該區(qū)間對應(yīng)的區(qū)間頻數(shù)向量；所有區(qū)間對應(yīng)的區(qū)間執(zhí)行頻數(shù)向量形成正常任務(wù)執(zhí)行軌跡模型；

步驟3：利用正常任務(wù)執(zhí)行軌跡模型通過特征提取的方法訓(xùn)練得到OCSVM分類模型；

步驟4，將異常任務(wù)執(zhí)行軌跡模型輸入到OCSVM分類模型中，輸出一個異常區(qū)間，該異常區(qū)間包括多個區(qū)間；

步驟5，針對每個任務(wù)，提取該任務(wù)在異常區(qū)間中的每個區(qū)間內(nèi)的執(zhí)行頻數(shù)，形成該任務(wù)對應(yīng)的異常任務(wù)執(zhí)行頻數(shù)向量；針對每個任務(wù)，提取該任務(wù)在正常任務(wù)執(zhí)行軌跡模型中的每個區(qū)間內(nèi)的執(zhí)行頻數(shù)，形成該任務(wù)對應(yīng)的正常任務(wù)執(zhí)行頻數(shù)向量；

步驟6，針對每個任務(wù)，對該任務(wù)對應(yīng)的異常任務(wù)執(zhí)行頻數(shù)向量和正常任務(wù)執(zhí)行頻數(shù)向量進(jìn)行雙樣本T檢驗，輸出該任務(wù)是正常任務(wù)還是異常任務(wù)，即可得到所有異常任務(wù)。