[發明專利]一種HTTP訪問行為的識別方法及裝置

在審

• 申請號: 201811421189.6
• 申請日: 2018-11-26
• 公開（公告）號: CN109274698A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 郭鵬;范淵;龍文潔
• 申請（專利權）人: 杭州安恒信息技術股份有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L29/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種HTTP訪問行為的識別方法，包括：獲取WEB服務器中的訪問數據，從訪問數據中篩選出符合HTTP協議的數據；從符合HTTP協議的數據中提取特征數據，并對提取到的特征數據進行離散化處理，得到特征值集合；根據模糊粗糙集理論處理特征值集合，得到目標特征值集合；將目標特征值集合輸入SVM模型，并輸出分類結果，并根據分類結果確定HTTP訪問行為。基于模糊粗糙集理論處理特征值集合，可刪除其中的冗余數據，從而減少SVM模型中的數據處理量，提高了訪問行為的識別效率和準確率，降低誤差率。相應地，本發明公開的一種HTTP訪問行為的識別裝置、設備及可讀存儲介質，也同樣具有上述技術效果。

技術領域

本發明涉及計算機技術領域，更具體地說，涉及一種HTTP訪問行為的識別方法、裝置、設備及可讀存儲介質。

背景技術

網絡中的訪問行為對于網絡系統的安全、可靠、穩定的運行具有非常重要的意義，因此需要及時準確地檢測并確定服務器中的訪問請求的行為。

在現有技術中，一般基于人工設置的匹配規則確定訪問請求的訪問行為，但由于該方法需要人工修改匹配規則，且檢測識別的準確性和效率均不盡如人意，因此被機器學習算法所替代。常用的機器學習算法為基于樸素貝葉斯分類算法和人工神經網絡算法，但這些算法在處理大量數據時，處理效率和準確性均比較緩慢，誤差率也較高。

因此，如何提高訪問行為的識別效率和準確率，降低誤差率，是本領域技術人員需要解決的問題。

發明內容

本發明的目的在于提供一種HTTP訪問行為的識別方法、裝置、設備及可讀存儲介質，以提高訪問行為的識別效率和準確率，降低誤差率。

為實現上述目的，本發明實施例提供了如下技術方案：

一種HTTP訪問行為的識別方法，包括：

獲取WEB服務器中的訪問數據，從所述訪問數據中篩選出符合HTTP協議的數據；

從所述符合HTTP協議的數據中提取特征數據，并對提取到的特征數據進行離散化處理，得到特征值集合；

根據模糊粗糙集理論處理所述特征值集合，得到目標特征值集合；

將所述目標特征值集合輸入SVM模型，并輸出分類結果，并根據所述分類結果確定HTTP訪問行為。

其中，所述對提取到的特征數據進行離散化處理，包括：

基于訪問時間、訪問IP、站點名稱、訪問方式、訪問結果、響應碼和瀏覽器類型、操作系統類型對提取到的特征數據進行離散化處理。

其中，所述根據模糊粗糙集理論處理所述特征值集合，包括：

計算所述特征值集合中每個特征值屬性的權重值，并根據所述權重值刪減所述特征值集合。

其中，所述根據所述權重值刪減所述特征值集合，包括：

將權重值低于預設閾值的特征值屬性對應的特征值刪除。

其中，所述根據所述分類結果確定HTTP訪問行為，包括：

確定每種分類結果的特征，并將具有攻擊特征的分類結果確定為異常訪問行為；其中，所述攻擊特征至少包括：DOS攻擊、Probe攻擊、R2L攻擊和U2R攻擊。

一種HTTP訪問行為的識別裝置，包括：

獲取模塊，用于獲取WEB服務器中的訪問數據，從所述訪問數據中篩選出符合HTTP協議的數據；

提取模塊，用于從所述符合HTTP協議的數據中提取特征數據，并對提取到的特征數據進行離散化處理，得到特征值集合；

處理模塊，用于根據模糊粗糙集理論處理所述特征值集合，得到目標特征值集合：