[發明專利]異常訪問的檢測方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202111045826.6
• 申請日: 2021-09-07
• 公開（公告）號: CN113949527A
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 王秀賢
• 申請（專利權）人: 中云網安科技有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 呂夢雪

本申請公開了一種異常訪問的檢測方法、裝置、電子設備及可讀存儲介質，其方法包括：獲取目標應用的訓練用數據流量；對所述訓練用數據流量進行特征提取，得到流量數據特征；基于監督學習與無監督學習的結合，對所述流量數據特征進行特征轉換，以學習所述目標應用的底層邏輯、訪問邏輯和業務邏輯，得到所述目標應用的安全防護模型；基于所述安全防護模型，對目標應用的異常訪問進行識別。本申請基于人工智能方法，能夠高效、準確的對攻擊行為進行智能識別，尤其是對0?day漏洞的攻擊行為；顯著提高了互聯網應用系統的安全性，適用性廣，準確度高。

技術領域

本申請涉及互聯網技術領域，具體涉及一種異常訪問的檢測方法、裝置、電子設備及可讀存儲介質。

背景技術

隨著互聯網技術的高速發展，越來越多的用戶通過Web應用訪問互聯網中的服務器或其他終端，但是在訪問中存在很多攻擊行為，如SQL注入，高?？沙掷m威脅攻擊(Advanced Persistent Threat，APT)等等，這對連接于互聯網的服務器或其他終端造成很大的安全隱患。在現有技術中，對于異常訪問的攔截通常基于異常訪問的IP，或者通過設置一些簡單的攔截規則，根據訪問的特征進行攔截，但這些方法非常容易被規避，尤其對于攻擊者掌握，而未被系統未修復的漏洞(0-day漏洞)的攻擊，現有方法識別效率低下，準確度低。

發明內容

本申請實施例提供了一種異常訪問的檢測方法、裝置、電子設備及可讀存儲介質，以克服或者至少部分克服現有技術的不足。

第一方面，提供了一種異常訪問的檢測方法，由安全服務器執行，所述方法包括：

獲取目標應用的訓練用數據流量；

對所述訓練用數據流量進行特征提取，得到流量數據特征；

基于監督學習與無監督學習的結合，對所述流量數據特征進行特征轉換，以學習所述目標應用的底層邏輯、訪問邏輯和業務邏輯，得到所述目標應用的安全防護模型；

基于所述安全防護模型，對目標應用的異常訪問進行檢測。

可選的，上述方法還包括：

對識別出的異常訪問，按照源、目的、攻擊類型、概念驗證內容進行分類和匯總，形成攻擊情報文件。

可選的，在上述方法中，所述獲取目標應用的訓練用數據流量包括：

在用戶終端提供安全應用程序；

將基于目標協議的，對目標應用的訪問流量引入所述安全應用程序；

通過所述安全應用程序獲取對目標應用的訪問流量；

對所述訪問流量進行參數化處理及分析，以得到對目標應用的正常訪問流量和風險訪問流量；

將所述正常訪問流量和風險訪問流量作為所述訓練用數據流量。

可選的，在上述方法中，所述訓練用數據流量為基于http或https協議的應用請求和應用響應；

所述對所述訓練用數據流量進行特征提取，得到流量數據特征包括：

分別獲取所述應用請求和所述應用響應的包頭參數和參數值、時間、事件分類、上下文信息、源以及目的，作為所述流量數據特征。

可選的，在上述方法中，所述基于監督學習與無監督學習的結合，對所述流量數據特征進行特征轉換，以學習所述目標應用的底層邏輯、訪問邏輯和業務邏輯，得到所述目標應用的安全防護模型包括：

基于無監督學習方法，對所述流量數據特征進行升維，對升維后的數據建立關聯，得到表征目標應用的底層邏輯、訪問邏輯和業務邏輯的第一高維度數據，將所述第一高維度數據投影為第一低維度數據，以建立安全防護初級模型；