[發(fā)明專利]一種API訪問行為檢測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211301745.2
• 申請(qǐng)日: 2022-10-24
• 公開（公告）號(hào): CN115378739A
• 公開（公告）日: 2022-11-22
• 發(fā)明（設(shè)計(jì)）人: 王郁;張貴川
• 申請(qǐng)（專利權(quán)）人: 北京星闌科技有限公司
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;H04L67/1396
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 彭星

1.一種API訪問行為檢測方法，其特征在于，所述方法包括；

根據(jù)應(yīng)用程序接口API地址的訪問時(shí)間戳確定出預(yù)設(shè)的至少一個(gè)檢測時(shí)間段中的每個(gè)檢測時(shí)間段的所述API地址的訪問頻次，其中，每個(gè)所述檢測時(shí)間段的時(shí)長相同，每個(gè)所述檢測時(shí)間段之間無重疊；

根據(jù)預(yù)設(shè)的滑動(dòng)步長和滑動(dòng)窗口大小對(duì)每個(gè)檢測時(shí)間段的所述API地址的訪問頻次進(jìn)行滑動(dòng)窗口統(tǒng)計(jì)，得到所述API地址的訪問頻次序列組，其中，所述訪問頻次序列組由每個(gè)滑動(dòng)窗口中所述API地址的訪問頻次序列組成，每個(gè)滑動(dòng)窗口中所述API地址的訪問頻次序列由每個(gè)檢測時(shí)間段的所述API地址的訪問頻次組成；

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，利用預(yù)設(shè)的距離算法確定出用于描述該訪問頻次序列和預(yù)設(shè)的至少一個(gè)異常特征序列中的每個(gè)異常特征序列之間的最小偏差度的最小距離值，其中，該訪問頻次序列和每個(gè)所述異常特征序列均對(duì)應(yīng)一個(gè)最小距離值；

對(duì)于每個(gè)最小距離值，判斷該最小距離值是否超過第一目標(biāo)異常特征序列在預(yù)設(shè)的閾值數(shù)據(jù)庫中所對(duì)應(yīng)的最小距離閾值，其中，所述第一目標(biāo)異常特征序列為利用所述距離算法確定出該最小距離值時(shí)所使用到的異常特征序列；

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，若該訪問頻次序列和每個(gè)所述異常特征序列的最小距離值均超過其對(duì)應(yīng)的最小距離閾值，則將該訪問頻次序列中所包含的訪問頻次所對(duì)應(yīng)的訪問行為確定為正常。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，利用預(yù)設(shè)的距離算法確定出用于描述該訪問頻次序列和預(yù)設(shè)的至少一個(gè)異常特征序列中的每個(gè)異常特征序列之間的最小偏差度的最小距離值，包括：

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，根據(jù)預(yù)設(shè)的歸一化算法對(duì)該訪問頻次序列進(jìn)行歸一化處理得到待壓縮序列；

利用預(yù)設(shè)的維度壓縮算法對(duì)所述待壓縮序列進(jìn)行維度壓縮，得到該訪問頻次序列的壓縮序列；

對(duì)于每個(gè)異常特征序列，將該訪問頻次序列的壓縮序列中的每個(gè)序列值和該異常特征序列作為變量帶入預(yù)設(shè)的距離算法中確定出用于描述該訪問頻次序列和該異常特征序列之間的最小偏差度的最小距離值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在判斷該最小距離值是否超過第一目標(biāo)異常特征序列在預(yù)設(shè)的閾值數(shù)據(jù)庫中所對(duì)應(yīng)的最小距離閾值后，所述方法還包括：

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，若該訪問頻次序列和每個(gè)所述異常特征序列的最小距離值中出現(xiàn)未超過其對(duì)應(yīng)的最小距離閾值的情況，則利用預(yù)設(shè)的歐氏距離算法確定出該訪問頻次序列和每個(gè)所述異常特征序列之間的歐氏距離值，其中，每個(gè)所述異常特征序列與該訪問頻次序列均具有一個(gè)歐氏距離值；

對(duì)于每個(gè)歐氏距離值，判斷該歐氏距離值是否超過第二目標(biāo)異常特征序列在所述閾值數(shù)據(jù)庫中所對(duì)應(yīng)的標(biāo)準(zhǔn)歐氏距離值，其中，所述第二目標(biāo)異常特征序列為利用所述歐氏距離算法確定出該歐氏距離值時(shí)所使用到的異常特征序列；

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，若該訪問頻次序列和每個(gè)所述異常特征序列的歐氏距離值均超過其對(duì)應(yīng)的標(biāo)準(zhǔn)歐氏距離值，則將該訪問頻次序列中所包含的訪問頻次所對(duì)應(yīng)的訪問行為確定為正常。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在判斷該歐氏距離值是否超過第二目標(biāo)異常特征序列在所述閾值數(shù)據(jù)庫中所對(duì)應(yīng)的標(biāo)準(zhǔn)歐氏距離值后，所述方法還包括：

對(duì)于所述API地址的訪問頻次序列組中的每個(gè)訪問頻次序列，若該訪問頻次序列和每個(gè)所述異常特征序列的歐氏距離值中出現(xiàn)未超過其對(duì)應(yīng)的標(biāo)準(zhǔn)歐氏距離值的情況，則將該訪問頻次序列中所包含的訪問頻次所對(duì)應(yīng)的訪問行為確定為異常。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在將該訪問頻次序列中所包含的訪問頻次所對(duì)應(yīng)的訪問行為確定為異常后，所述方法還包括：

將所述第二目標(biāo)異常特征序列在預(yù)設(shè)的異常信息數(shù)據(jù)庫中所對(duì)應(yīng)的目標(biāo)異常信息向用戶進(jìn)行展示。