[發明專利]基于區塊鏈的用于網絡安全防護的安全規則管理方法在審
| 申請號: | 202110532722.1 | 申請日: | 2021-05-17 |
| 公開(公告)號: | CN113285939A | 公開(公告)日: | 2021-08-20 |
| 發明(設計)人: | 許雅萍 | 申請(專利權)人: | 杭州蘇祁科技有限公司 |
| 主分類號: | H04L29/06 | 分類號: | H04L29/06;H04L29/08;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 310000 浙江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 區塊 用于 網絡安全 防護 安全 規則 管理 方法 | ||
1.一種基于區塊鏈的用于網絡安全防護的安全規則管理方法,其特征在于,包括:
獲取待識別的安全規則代碼和參考安全規則代碼;
將所述待識別的安全規則代碼和所述參考安全規則代碼分別通過文本卷積神經網絡,以獲得對應于所述參考安全規則代碼的第一特征向量和對應于所述待識別的安全規則代碼的第二特征向量,其中,所述文本卷積神經網絡是用于文本識別和分類的卷積神經網絡;
將所述第二特征向量在其長度方向上將其劃分為均勻的N個部分;
對于所述N個部分,分別計算每個部分與所述第一特征向量之間的距離,以獲得N個距離并將所述N個距離值構造成長度為N的距離特征向量;
將所述距離特征向量通過分類器,以獲得分類結果,其中,所述分類結果表示所述待識別的安全規則代碼是否與參考安全規則代碼為相同類型;及
基于所述待識別的安全規則代碼的類型,將所述待識別的安全規則代碼存儲于區塊鏈網絡中。
2.根據權利要求1所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述將所述待識別的安全規則代碼和所述參考安全規則代碼分別通過文本卷積神經網絡,以獲得對應于所述參考安全規則代碼的第一特征向量和對應于所述待識別的安全規則代碼的第二特征向量,包括:
將所述參考安全規則代碼輸入所述文本卷積神經網絡的詞嵌入層,以將所述參考安全規則代碼中的每個詞轉化為一個K維向量,以將所述參考安全規則代碼轉化為一個K*N的矩陣,其中,N表示所述參考安全規則代碼所包含的詞的數量;
將所述K*N的矩陣輸入所述文本卷積神經網絡的卷積神經網絡,以獲得第一特征圖;
將所述第一特征圖按通道維度計算每個特征矩陣的全局平均值,以獲得所述第一特征向量;
將所述待識別的安全規則代碼輸入所述文本卷積神經網絡的詞嵌入層,以將所述待識別的安全規則代碼中的每個詞轉化為一個K維向量,以將所述待識別的安全規則代碼轉化為一個K*M的矩陣,其中,M表示所述待識別的安全規則代碼所包含的詞的數量;
將所述M*N的矩陣輸入所述文本卷積神經網絡的卷積神經網絡,以獲得第二特征圖;以及
將所述第二特征圖按通道維度計算每個特征矩陣的全局平均值,以獲得所述第二特征向量。
3.根據權利要求1所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述對于所述N個部分,分別計算每個部分與所述第一特征向量之間的距離,包括:
分別計算每個部分與所述第一特征向量之間的歐式距離。
4.根據權利要求1所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述對于所述N個部分,分別計算每個部分與所述第一特征向量之間的距離,包括:
分別計算每個部分與所述第一特征向量之間的余弦距離。
5.根據權利要求3或4所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述N作為超參數參與到所述文本卷積神經網絡的訓練過程中。
6.根據權利要求1所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述基于所述待識別的安全規則代碼的類型,將所述待識別的安全規則代碼存儲于區塊鏈網絡中,包括:
對所述待識別的安全規則代碼進行類型標注,并將標注后的所述待識別的安全規則代碼存儲于區塊鏈網絡中。
7.根據權利要求6所述的基于區塊鏈的用于網絡安全防護的安全規則管理方法,其中,所述參考安全規則代碼為包含安全校驗的安全規則代碼或者不包含安全校驗的安全規則代碼。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于杭州蘇祁科技有限公司,未經杭州蘇祁科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110532722.1/1.html,轉載請聲明來源鉆瓜專利網。





