[發(fā)明專利]一種云計(jì)算中惡意行為檢測(cè)識(shí)別及安全加密裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010778014.1
• 申請(qǐng)日: 2020-08-05
• 公開（公告）號(hào): CN111935127B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 戴燎元
• 申請(qǐng)（專利權(quán)）人: 無錫航天江南數(shù)據(jù)系統(tǒng)科技有限公司
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;G06F18/2415;G06N3/047;G06N3/006;G06N3/08
• 代理公司: 北京卓嵐智財(cái)知識(shí)產(chǎn)權(quán)代理有限公司 11624
• 代理人: 張旭東

本發(fā)明提供一種云計(jì)算中惡意行為檢測(cè)識(shí)別及安全加密裝置，包括數(shù)據(jù)監(jiān)聽和存儲(chǔ)模塊、數(shù)據(jù)預(yù)處理和特征提取模塊、粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)處理模塊、惡意攻擊識(shí)別模塊、攻擊類別分類模塊、正常網(wǎng)絡(luò)行為歸類及安全加密模塊；所述粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)處理模塊包括粒子群優(yōu)化模塊、概率神經(jīng)網(wǎng)絡(luò)模型構(gòu)建模塊、網(wǎng)絡(luò)行為檢測(cè)模塊，用于構(gòu)建粒子群優(yōu)化的概率神經(jīng)網(wǎng)絡(luò)模型，并使用所述模型同時(shí)訓(xùn)練優(yōu)化和檢測(cè)各種云計(jì)算中的正常和內(nèi)部惡意網(wǎng)絡(luò)攻擊行為。本申請(qǐng)?zhí)峁┑难b置能夠識(shí)別云計(jì)算服務(wù)中的網(wǎng)絡(luò)行為是否為惡意攻擊行為，并且進(jìn)行惡意攻擊行為分類后歸類進(jìn)行安全隔離防護(hù)，將正常網(wǎng)絡(luò)行為的數(shù)據(jù)進(jìn)行基于距離算法的安全加密。

技術(shù)領(lǐng)域

本發(fā)明屬于云計(jì)算網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，具體涉及一種云計(jì)算中惡意行為檢測(cè)識(shí)別及安全加密裝置。

背景技術(shù)

在當(dāng)今社會(huì)中，各類計(jì)算機(jī)設(shè)備已經(jīng)成為人們生活工作中必不可少的重要工具，但在受惠于計(jì)算機(jī)功能優(yōu)勢(shì)的同時(shí)，人們也承擔(dān)著相應(yīng)的網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)。此外，在大數(shù)據(jù)時(shí)代的背景下，云處理、物聯(lián)網(wǎng)等新技術(shù)、新理念被開發(fā)應(yīng)用到社會(huì)各行各業(yè)的運(yùn)行發(fā)展中，進(jìn)一步為網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)提供了產(chǎn)生條件。

新興計(jì)算技術(shù)的迅速發(fā)展鼓勵(lì)許多組織將其數(shù)據(jù)和計(jì)算需求外包。此類服務(wù)通常會(huì)提供安全原則，如保密性、可用性和完整性；因此，高度安全的平臺(tái)是基于云計(jì)算環(huán)境的最重要方面之一。目前急需一種既能夠縮短識(shí)別惡意網(wǎng)絡(luò)攻擊行為的時(shí)間，也能夠?qū)阂饩W(wǎng)絡(luò)攻擊行為進(jìn)行分類，并且將正常網(wǎng)絡(luò)行為數(shù)據(jù)進(jìn)行基于接收這生物信息和距離加密的云計(jì)算服務(wù)安全設(shè)備。

發(fā)明內(nèi)容

本發(fā)明針對(duì)上述缺陷，提供一種具有能夠識(shí)別云計(jì)算服務(wù)中的網(wǎng)絡(luò)行為是否為惡意攻擊行為，并且進(jìn)行惡意攻擊行為分類后歸類進(jìn)行安全隔離防護(hù)，將正常網(wǎng)絡(luò)行為的數(shù)據(jù)進(jìn)行基于距離算法的安全加密的一種云計(jì)算中惡意行為檢測(cè)識(shí)別及安全加密裝置。

本發(fā)明提供如下技術(shù)方案：一種云計(jì)算中惡意行為檢測(cè)識(shí)別及安全加密裝置，包括數(shù)據(jù)監(jiān)聽和存儲(chǔ)模塊、數(shù)據(jù)預(yù)處理和特征提取模塊、粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)處理模塊、惡意攻擊識(shí)別模塊、攻擊類別分類模塊、正常網(wǎng)絡(luò)行為歸類及安全加密模塊；

所述數(shù)據(jù)預(yù)處理和特征提取模塊，用于將學(xué)習(xí)和建模的數(shù)據(jù)進(jìn)行信息特征提取的數(shù)據(jù)處理；

所述粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)處理模塊包括粒子群優(yōu)化模塊、概率神經(jīng)網(wǎng)絡(luò)模型構(gòu)建模塊、網(wǎng)絡(luò)行為檢測(cè)模塊，用于構(gòu)建粒子群優(yōu)化的概率神經(jīng)網(wǎng)絡(luò)模型，并使用所述模型同時(shí)訓(xùn)練優(yōu)化和檢測(cè)各種云計(jì)算中的正常和內(nèi)部惡意網(wǎng)絡(luò)攻擊行為；

所述數(shù)據(jù)預(yù)處理和特征提取模塊包括特征轉(zhuǎn)換模塊、特征篩撿模塊、特征規(guī)范化模塊，所述特征規(guī)范化模塊采用最小-最大法規(guī)范化數(shù)據(jù)：

其中，所述X代表數(shù)據(jù)特征值，所述min(X)代表所述數(shù)據(jù)特征值X?的最小值，所述max(X)代表所有所述數(shù)據(jù)特征值X的最大值；

所述正常網(wǎng)路行為歸類及安全加密模塊為基于生物信息和距離的加密算法的模塊，包括私鑰生成模塊、加密模塊和解密模塊，所述私鑰生成模塊用于生成私鑰，所述加密模塊用于根據(jù)消息接收者的生物信息發(fā)送加密信息向量加密算法使用所述加密信息向量和閾值t_u對(duì)消息進(jìn)行加密，加密模塊設(shè)置閾值t為t_u，這意味著加密模塊要求解密模塊在官方識(shí)別下?lián)碛薪咏乃借€向量若tt_u，則加密模塊希望解密模塊在接近的向量上有一個(gè)私鑰；

所述解密模塊接收從加密模塊發(fā)送的密文和私鑰如果當(dāng)所述向量和所述向量之間的距離小于或等于tu時(shí)，解密模塊解密給定的密文，所述向量和所述向量的距離計(jì)算公式如下：

其中，所述a_i、a_j屬于所述向量所述b_i、b_j屬于所述向量