[發(fā)明專利]基于Bi-LSTM的電網信息系統(tǒng)漏洞攻擊檢測方法及裝置在審
| 申請?zhí)枺?/td> | 202110799195.0 | 申請日: | 2021-07-15 |
| 公開(公告)號: | CN113595998A | 公開(公告)日: | 2021-11-02 |
| 發(fā)明(設計)人: | 沈伍強;張小陸;溫柏堅;裴求根;何明東;龍震岳;黃敬志;陳敏 | 申請(專利權)人: | 廣東電網有限責任公司 |
| 主分類號: | H04L29/06 | 分類號: | H04L29/06;G06N3/04;G06N3/08 |
| 代理公司: | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人: | 李淑靜 |
| 地址: | 510600 廣東*** | 國省代碼: | 廣東;44 |
| 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 bi lstm 電網 信息 系統(tǒng)漏洞 攻擊 檢測 方法 裝置 | ||
本發(fā)明提出了一種基于Bi?LSTM的電網信息系統(tǒng)漏洞攻擊檢測方法及裝置。所述方法包括:離線訓練:通過各種方式收集大量樣本并其標記為正樣本和負樣本,然后對這些樣本進行預處理,包括泛化、分詞和嵌入詞向量,經過預處理的數據用于訓練模型;在線測試:對測試數據進行預處理,包括泛化、分詞和嵌入詞向量,然后將預處理后的數據輸入到分類器中,以確定它是否是SQL注入。本發(fā)明利用非平衡樣本生成方法平衡數據分布,緩解系統(tǒng)的過擬合,同時利用長短期記憶LSTM網絡結合注意力機制自動提取特征并訓練分類器來檢測SQL注入攻擊,有效提高檢測的準確度。
技術領域
本發(fā)明涉及信息安全應用領域,具體涉及一種基于Bi-LSTM的電網信息系統(tǒng)漏洞攻擊檢測方法及裝置。
背景技術
隨著信息通信技術的不斷發(fā)展,電力信息系統(tǒng)應用環(huán)境發(fā)生了巨大變化,許多業(yè)務場景中單體架構業(yè)務應用越來越龐大,代碼邏輯越來越復雜,代碼之間、模塊之間耦合度越來越高,任何局部功能的修改都會導致單體應用重新編譯和部署,故而基于系統(tǒng)漏洞的攻擊之下,容易對整個業(yè)務系統(tǒng)產生極其嚴重惡略的影響。
在電網領域的的網絡安全防御主要包括檢測和防御兩種。檢測是指通過有效的監(jiān)視和分析電力信息系統(tǒng)中惡意行為入侵和異常,并采取相應的報告措施。防御主要是指對檢測到的異常行為采取對應的抵御行動,具體包括傳輸信息的確認、重發(fā)等。由于對攻擊行為的防御措施是在報警之后才能執(zhí)行,故電力信息系統(tǒng)中的安全檢測是整個電網信息防護的關鍵一步。
在電網領域,任何信息系統(tǒng)基于數據庫驅動Web應用程序系統(tǒng)都可能受到SQL注入攻擊的威脅。由于SQL注入攻擊與用戶對系統(tǒng)的正常訪問沒有區(qū)別,并且可以更隱蔽通過提交Web表單、查詢字符串或頁面請求來實現。由于各種類型的SQL注入攻擊和多種變體,目前大多數提出的解決方案只能檢測可能的SQL注入攻擊的子集。而當前的WAF(WebApplication Firewall)基于特征匹配算法很難涵蓋SQL注入攻擊的所有變體。目前,檢測SQL注入攻擊的方法主要包括指令化方法、靜態(tài)分析、動態(tài)分析以及使用淺層機器學習的技術。但是,這些方法不能有效在電網領域中有效使用。靜態(tài)分析檢測方法只能檢測SQL的類型和語法錯誤,而不能檢測具有正確輸入類型的攻擊。動態(tài)檢測只能檢測應用程序開發(fā)人員預定義的漏洞,但是由于SQL語句語法的多樣性,它無法滿足復雜的電力信息系統(tǒng)中的檢測要求?,F有的淺層機器學習方法SVM等根據人工定義和選擇的特征訓練模型,結果主要取決于選擇的特征,但是很難選擇代表性的特征,因此,容易增加誤判的可能性。
綜上可知,現有的檢測SQL注入攻擊的方法不能有效在電網領域中有效使用,檢測準確性不高,而且對于未知漏洞也不能很好的檢測。
發(fā)明內容
發(fā)明目的:本發(fā)明針對電力信息系統(tǒng)特點和當前研究方法的不足,提出一種基于Bi-LSTM的電網信息系統(tǒng)漏洞攻擊檢測方法,基于深度神經網絡進行SQL注入攻擊檢測,可以有效解決數據集過擬合問題和檢測準確性問題。
本發(fā)明的另一目的是提供一種基于Bi-LSTM的電網信息系統(tǒng)漏洞攻擊檢測裝置。
技術方案:根據本發(fā)明的第一方面,提供一種基于Bi-LSTM的電網信息系統(tǒng)漏洞攻擊檢測方法,包括以下步驟:
離線訓練:收集樣本并根據攻擊判斷標記為正樣本和負樣本,對這些樣本進行預處理,包括泛化、分詞和嵌入詞向量,利用經過預處理的數據訓練模型,得到一個分類器;
在線測試:對在線獲得的測試數據進行預處理,包括泛化、分詞和嵌入詞向量,將預處理后的數據輸入到分類器中,以確定是否是SQL注入。
其中,所述離線訓練步驟中,當正樣本和負樣本的數量比例低于預設比例時,進行樣本擴充,將攻擊有效載荷按照一定的規(guī)則組合成攻擊輸入。
進一步地,所述將攻擊有效載荷按照一定的規(guī)則組合成攻擊輸入包括:
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廣東電網有限責任公司,未經廣東電網有限責任公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110799195.0/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種自動包縫設備
- 下一篇:一種具有欠驅動自清洗功能的消毒機器人





