The invention discloses a construction method of unknown attack feature extraction model based on machine learning, which has high robustness and interpretability according to algorithm calculation features. After test, the detection success rate of unknown attack feature obtained by the method used to detect such feature is higher than that of artificial detection method and common attack feature automatic extraction technology, and it can be applied to the vast At the same time, the speed of feature extraction, the ease of use of features and the feasibility of the method itself have reached a high level, effectively improving the feasibility of the method.
【技术实现步骤摘要】
一种基于机器学习的未知攻击特征提取模型构建方法
本专利技术涉及机器学习
,具体领域为一种基于机器学习的未知攻击特征提取模型构建方法。
技术介绍
随着网络规模的日益扩大,网络攻击数量也随之增多。如何保证网络系统的正常平稳运行,成为了网络安全的最主要课题。而基于攻击特征的攻击检测成为了最为常见的检测方式。攻击特征是对攻击行为的一种总结性的描述,通常情况下,攻击特征应为该攻击所产生的流量数据中的独有特性,通过特征可以直观地发现和确定一个攻击行为,并且不会对日常的生产生活造成较大影响。而对于一个未知的攻击行为,我们需要对其进行特征的分析和提取,以便之后对该类攻击的预警和防御。攻击特征提取的过程十分繁琐复杂,采用渗透专家进行攻击特征提取的方式速度慢,并且主观性高,无法确定所提取的特征的有效性。因此需要一种高效的攻击特征自动提取技术。现有的攻击特征自动提取技术分为基于网络的攻击特征提取技术和基于主机的攻击特征提取技术。基于网络的攻击特征提取技术利用网络上的攻击信息,通过算法提取攻击信息中的攻击特征;而基于主机的攻击特征提取技术通过对系统环境做一定的改变,在被攻击的主机中获取相关攻击信息并分析得出特征。两类方法的准确性,特征提取速度,特征易用度和方法本身都有着不同程度的优缺点。
技术实现思路
本专利技术的目的在于提供一种基于机器学习的未知攻击特征提取模型构建方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种基于机器学习的未知攻击特征提取模型构建方法,所述基于机器学习的未知攻击特征提取模型构建方法包括如下步骤:步骤一:收集待检测未知攻 ...
【技术保护点】
1.一种基于机器学习的未知攻击特征提取模型构建方法,其特征在于:所述基于机器学习的未知攻击特征提取模型构建方法包括如下步骤:步骤一:收集待检测未知攻击的相关数据和相关对比安全数据;步骤二:对数据进行特征预提取,形成特征数据;步骤三:将特征数据中可能存在的字符数据转换成为数字形式,以数字矩阵方式输出;步骤四:对机器学习中的参数矩阵进行大小和内容的初始化;步骤五:将攻击数据输入模型,与参数矩阵相乘得出预测值;步骤六:计算预测值与实际值的偏差,得出误差值;步骤七:判断误差值是否满足条件,若不满足,根据误差值对参数矩阵中的参数进行更新后,回到步骤五,若满足则进行下一步骤;步骤八:完成训练输出矩阵参数,根据参数绝对值输出未知攻击特征。
【技术特征摘要】
1.一种基于机器学习的未知攻击特征提取模型构建方法,其特征在于:所述基于机器学习的未知攻击特征提取模型构建方法包括如下步骤:步骤一:收集待检测未知攻击的相关数据和相关对比安全数据;步骤二:对数据进行特征预提取,形成特征数据;步骤三:将特征数据中可能存在的字符数据转换成为数字形式,以数字矩阵方式输出;步骤四:对机器学习中的参数矩阵进行大小和内容的初始化;步骤五:将攻击数据输入模型,与参数矩阵相乘得出预测值;步骤六:计算预测值与实际值的偏差,得出误差值;步骤七:判断误差值是否满足条件,若不满足,根据误差值对参数矩阵中的参数进行更新后,回到步...
【专利技术属性】
技术研发人员:左晓军,董立勉,陈泽,侯波涛,赵建斌,刘欣,常杰,董娜,郗波,王春璞,刘惠颖,张君艳,刘伟娜,王颖,郭禹伶,冯海燕,
申请(专利权)人:国网河北省电力有限公司电力科学研究院,国网河北能源技术服务有限公司,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。