[發(fā)明專利]一種可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110992380.1
• 申請日: 2021-08-27
• 公開（公告）號: CN113434872A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設計）人: 李瑞蘭
• 申請（專利權）人: 迅管（深圳）科技有限公司
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06K9/62
• 代理公司: 深圳市任意門專利代理事務所(特殊普通合伙) 44789
• 代理人: 任利軍

1.一種可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于，包括數(shù)據(jù)傳輸單元（100）、特征提取單元（200）、安全檢測單元（300）和主動防御單元（400）；

所述數(shù)據(jù)傳輸單元（100）用于輸入和輸出計算機的數(shù)據(jù)程序在數(shù)據(jù)庫內(nèi)；

所述特征提取單元（200）用于分析用戶習慣的權限特征，建立分類模型，所述分類模型包括正常數(shù)據(jù)程序模型和惡意數(shù)據(jù)程序模型；

所述安全檢測單元（300）用于提取數(shù)據(jù)傳輸單元（100）的輸入數(shù)據(jù)程序進行訓練學習，使所述特征提取單元（200）中的分類模型與數(shù)據(jù)程序訓練學習結(jié)果進行匹配對比；

所述主動防御單元（400）用于接收安全檢測單元（300）匹配成功信號，發(fā)布惡意程序信息警報提醒用戶，并刪除惡意數(shù)據(jù)程序。

2.根據(jù)權利要求1所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述數(shù)據(jù)傳輸單元（100）采用編程接口使應用程序的數(shù)據(jù)傳輸至數(shù)據(jù)庫。

3.根據(jù)權利要求1所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述數(shù)據(jù)傳輸單元（100）內(nèi)部設有數(shù)據(jù)分割接收模塊和數(shù)據(jù)歸納模塊，所述數(shù)據(jù)分割接收模塊用于進入數(shù)據(jù)庫內(nèi)的數(shù)據(jù)程序分割成數(shù)據(jù)塊，使數(shù)據(jù)庫依次接收數(shù)據(jù)塊，所述數(shù)據(jù)歸納模塊用于數(shù)據(jù)庫接收多個數(shù)據(jù)塊后將數(shù)據(jù)整合。

4.根據(jù)權利要求3所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述數(shù)據(jù)分割接收模塊表達式為：

A→（a1+a2+...+ak）

所述數(shù)據(jù)歸納模塊表達式為：

（a1+a2+...+ak）→A

其中，A為數(shù)據(jù)總量，a1、a2、...、ak均為數(shù)據(jù)塊。

5.根據(jù)權利要求1所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述特征提取單元（200）采用用戶特征分析算法，用戶特征分析算法包括以下步驟：

采用SOM算法獲得用戶習慣特征的領域范圍，建立數(shù)據(jù)程序的特征屬性；

根據(jù)特征屬性將用戶使用應用程序后執(zhí)行的操作特征定義為正常操作特征，用戶使用應用程序后從未執(zhí)行的操作定義為惡意操作特征，建立分類模型；

將惡意操作特征的數(shù)據(jù)程序組合建立惡意程序模型，正常操作特征的數(shù)據(jù)程序建立正常程序模型。

6.根據(jù)權利要求5所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述SOM算法的計算公式如下：

W_c+1=W_c+d

其中，W_c+1為權限機制的領域，c為輸出的數(shù)據(jù)程序，d為學習率，W_c為輸入向量。

7.根據(jù)權利要求1所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述特征提取單元（200）還包括定時模塊，所述定時模塊用于在一段時間內(nèi)更新所述特征提取單元（200）內(nèi)部的分類模型特征。

8.根據(jù)權利要求1所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述安全檢測單元（300）采用機器學習算法，機器學習算法包括以下步驟：

確定數(shù)據(jù)程序特征屬性，形成訓練樣本集合；

計算訓練樣本集合中用戶習慣特征被使用時的每個屬性特征，生成樸素貝葉斯分類器，將屬性特征輸入分類器，計算所有分類中的條件概率；

屬性特征與惡意軟件程序模型進行匹配對比，發(fā)布匹配結(jié)果信號。

9.根據(jù)權利要求8所述的可針對惡意程序進行識別防御的數(shù)據(jù)庫安全系統(tǒng)，其特征在于：所述機器學習算法正確率計算公式如下：

P=(N_m+N_b）/N

其中，P為正確率，N_m為軟件惡意行為分類正確的數(shù)量，Nb為軟件正常行為分類的數(shù)量，N為訓練樣本集合中的樣本數(shù)量。