[發明專利]一種計算機安全防護方法

有效

• 申請號: 202011562216.9
• 申請日: 2020-12-25
• 公開（公告）號: CN112560039B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉桂峰
• 申請（專利權）人: 河南交通職業技術學院
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06N20/00;G06V10/74;G06V10/774
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 李瓊

1.一種計算機安全防護方法，所述計算機上運行神經網絡，其特征在于，該方法包括：

步驟S1，將數據集分為訓練集和驗證集，利用訓練集訓練神經網絡，獲取訓練好的神經網絡；

步驟S2，在訓練集中隨機選取多個訓練樣本，在每個訓練樣本中提取多個子區域，對于每個訓練樣本中的每個子區域都執行步驟S3；

步驟S3，計算子區域中各個像素點的梯度并判斷子區域中是否存在異常像素點，若不存在，則對下一子區域進行分析；若僅存在一個異常像素點，則該子區域為異常子區域；若存在至少兩個異常像素點，則根據任意兩個異常像素點之間的距離對異常像素點進行有效異常像素點提??；若僅存在一個有效異常像素點，則該子區域為異常子區域，若存在至少兩個有效異常像素點，則計算有效異常像素點間的離散度，離散度大于離散度閾值時，該子區域為異常子區域；

步驟S4，若隨機選取的多個訓練樣本均未檢測到異常子區域，則終止執行，并選擇計算機安全防護策略，否則，根據每個異常子區域中像素點的梯度獲取每個異常子區域的梯度矩陣，并在所述驗證集中隨機選取多個驗證樣本，基于梯度矩陣和驗證樣本生成異常驗證圖像；

步驟S5，所述驗證樣本經過所述訓練好的神經網絡輸出第一數據，與驗證樣本對應的異常驗證圖像經過所述訓練好的神經網絡輸出第二數據，計算第一數據與第二數據的相似度，基于相似度判斷所述訓練好的神經網絡是否具備對抗數據中毒的防御功能；根據是否具備防御功能的判斷結果選擇計算機安全防護策略；

所述判斷子區域中是否存在異常像素點的判斷方法為：計算子區域中每個像素點的梯度異常值ε₁，g為像素點的梯度，為子區域的平均梯度，ε₁大于等于異常值閾值的像素點為異常像素點；

所述根據任意兩個異常像素點之間的距離對異常像素點進行有效異常像素點提取的具體提取過程為：任選一個異常像素點，根據距離計算公式ε₂＝|x-x_m|+|y-y_m|-2分別計算該異常像素點與其他各個異常像素點之間的距離，若該異常像素點與其他各個異常像素點之間的距離均大于等于0，則該異常像素點為有效異常像素點；(x,y)表示該任選的一個異常像素點的坐標，(x_m,y_m)表示其他異常像素點中任一異常像素點的坐標；

所述離散度的計算方法為：對有效異常像素點進行兩兩匹配，共需要匹配p次，得到p對匹配對，則離散度表示第r對匹配對之間的距離；

所述基于梯度矩陣和驗證樣本生成異常驗證圖像具體步驟為：在驗證樣本中隨機選擇一個像素點，以該像素點為中心，劃分目標區域，根據梯度矩陣中的正常梯度在目標區域內確定第一目標點，根據梯度矩陣中的異常梯度在目標區域內確定第二目標點；首先，第二目標點像素值不變，對第一目標點的像素值進行修改，使第二目標點成為異常像素點，并生成異常點梯度約束；其次，對每一個第一目標點進行如下處理：該第一目標點的像素值不變，對其他第一目標點的像素值進行修正，保證該第一目標點不是異常像素點，并生成正常點梯度約束；最終，根據多組梯度約束求解目標區域內各像素點的像素值，得到異常驗證圖像。

2.如權利要求1所述的方法，其特征在于，所述在每個訓練樣本中提取多個子區域具體為：對于每個訓練樣本，利用滑窗在訓練樣本中滑動進行子區域的提取。

3.如權利要求2所述的方法，其特征在于，所述滑窗大小為3*3。

4.如權利要求3所述的方法，其特征在于，所述數據集中樣本尺寸為I*J，滑窗步長為k,則滑窗可移動的行區間為[1+k,I-k],列區間為[1+k,J-k]。

5.如權利要求1所述的方法，其特征在于，所述目標區域的尺寸和滑窗的大小相同。

6.如權利要求1所述的方法，其特征在于，所述防護策略包括第一防護策略和第二防護策略，若隨機選取的多個訓練樣本均未檢測到異常子區域或訓練好的神經網絡具備對抗數據中毒的防御功能，則選擇第一防護策略，反之，則選擇第二防護策略。