构建识别模型及攻击识别方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种构建识别模型及攻击识别方法、装置、设备及存储介质。方法包括：获取结构化查询语言注入攻击的训练样本集合；根据结构化查询语言的词库，对所述训练样本集合中每条样本进行分词处理，获得所述每条样本各自的分词后样本，并转换得到每条所述分词后样本各自的表示向量；获取每条所述分词后样本各自对应的第一词嵌入向量；获取所述词库中每个词条各自对应的第二词嵌入向量；基于所述每条样本各自的所述表示向量和所述第一词嵌入向量，以及所述词库中每个词条各自的第二词嵌入向量，对预设的神经网络模型进行训练，得到所述结构化查询语言注入攻击的识别模型。本申请用以有效识别SQLI攻击，降低误报或漏报。

【技术实现步骤摘要】
构建识别模型及攻击识别方法、装置、设备及存储介质
本申请涉及网络
，尤其涉及一种构建识别模型及攻击识别方法、装置、设备及存储介质。
技术介绍
网页(Web)应用防火墙(简称WAF)作为目前市场上热门的安全产品，可以有效阻拦场景的结构化查询语言注入攻击(简称SQLI，英文全称StructuredQueryLanguageInjection；结构化查询语言，简称SQL，英文全称StructuredQueryLanguage)，达到保护Web应用的目的。目前，市场上大部分的WAF是基于规则匹配进行防护的，也有部分采用人工智能(AI)+规则相结合的方式进行防护。随着Web服务变得越来越复杂，相应的攻击方式也变得复杂起来，为了应对这一情况，WAF需要变得更加智能化。AI赋能WAF已经成为目前WAF产品迭代的一个大趋势，越来越多的机器学习和深度学习模型被应用进WAF中，并且已经展现出了较好的效果。WAF中使用AI识别SQLI的方法，也在随着时间的推移和技术的更新不断变化，每种方法都会在生产环境中出现或大或小的问题，目前业内还没有统一的本文档来自技高网...

【技术保护点】
1.一种构建识别模型的方法，其特征在于，包括：/n获取结构化查询语言注入攻击的训练样本集合；/n根据结构化查询语言的词库，对所述训练样本集合中每条样本进行分词处理，获得所述每条样本各自的分词后样本，并转换得到每条所述分词后样本各自的表示向量；/n获取每条所述分词后样本各自对应的第一词嵌入向量；/n获取所述词库中每个词条各自对应的第二词嵌入向量；/n基于所述每条样本各自的所述表示向量和所述第一词嵌入向量，以及所述词库中每个词条各自的第二词嵌入向量，对预设的神经网络模型进行训练，得到所述结构化查询语言注入攻击的识别模型。/n

【技术特征摘要】
1.一种构建识别模型的方法，其特征在于，包括：
获取结构化查询语言注入攻击的训练样本集合；
根据结构化查询语言的词库，对所述训练样本集合中每条样本进行分词处理，获得所述每条样本各自的分词后样本，并转换得到每条所述分词后样本各自的表示向量；
获取每条所述分词后样本各自对应的第一词嵌入向量；
获取所述词库中每个词条各自对应的第二词嵌入向量；
基于所述每条样本各自的所述表示向量和所述第一词嵌入向量，以及所述词库中每个词条各自的第二词嵌入向量，对预设的神经网络模型进行训练，得到所述结构化查询语言注入攻击的识别模型。


2.根据权利要求1所述的构建识别模型的方法，其特征在于，所述获取结构化查询语言注入攻击的训练样本集合，包括：
获取结构化查询语言注入攻击的原始训练样本集合；
对所述原始训练样本集合进行预处理，以得到所述训练样本集合；
其中，所述预处理包括：
去除所述原始训练样本集合的干扰数据；和/或
将所述原始训练样本集合中结构化查询语言的编码数据，解码为结构化查询语言的原始数据。


3.根据权利要求2所述的构建识别模型的方法，其特征在于，所述干扰数据包括以下至少一者：注释语句、特殊符号、重复样本、存在歧义的数据、单字符样本和单数字样本。


4.根据权利要求1所述的构建识别模型的方法，其特征在于，所述结构化查询语言的词库的构建过程包括：
提取词库构建样本集合中每条样本包含的单词、字符以及数字；
对提取到的所述单词、所述字符以及所述数字进行筛选处理后，得到所述词库包含的词条，并获取每个所述词条对应的索引值；
生成包含每个所述词条以及每个所述词条对应的索引值的所述词库。


5.根据权利要求4所述的构建识别模型的方法，其特征在于，所述获取每个所述词条对应的索引值，包括：
统计每个所述词条在所述样本中的出现频次；
按照所述出现频次从高到低的顺序，对每个所述词条进行排序，获得排序结果；
将所述词条在所述排序结果中的排名，作为所述词条的所述索引值。


6.根据权利要求4所述的构建识别模型的方法，其特征在于，所述根据结构化查询语言的词库，对所述训练样本集合中每条样本进行分词处理，获得所述每条样本各自的分词后样本，并转换得到每条所述分词后样本各自的表示向量，包括：
分别对每条所述样本进行以下处理：
根据所述结构化查询语言的词库，对所述样本进行分词处理，获得所述样本包含的各分词；
从所述词库中获取每个所述分词各自对应的索引值；
按照每个所述分词在所述样本中的出现次序，对每个所述分词对应的索引值进行排序；
将排序后得到的索引值序列，作为所述样本对应的表示向量。


7.根据权利要求1所述的构建识别模型的方法，其特征在于，所述第一词嵌入向量中包括基于频率的词嵌入向量；
所述基于频率的词嵌入向量包括计数向量，基于单个分词统计到的频率向量，以及基于n元语法统计到的频率向量中的至少一种。


8.根据权利要求7所述的构建识别模型的方法，其特征在于，获取所述分词后样本对应的第一词嵌入向量，包括：
统计所述词库中的每个词条各自在所述分词后样本中出现的次数，根据统计到的次数，得到所述分词后样本的计数向量；
其中，所述计数向量的一行对应一条所述分词后样本，所述计数向量的一列对应所述词库中的一个词条，所述计数向量中的一个第j列元素的取值表示目标样本中出现目标词条的次数，所述目标样本为所述元素所在行对应的所述分词后样本，所述目标词条为所述词库中的第j个词条；
和/或
对所述词库中的每个词条进行以下处理：统计所述词条在所述分词后样本中出现的次数，根据统计到的次数以及所述分词后样本的总词数，获得所述词条对应的词频；获得所述训练样本集合中包含所述词条的目标样本数；根据所述目标样本数以及所述训练样本集合的样本总数，获得所述词条的逆文本频率指数；根据所述词条的词频和所述词条的逆文本频率指数，获得所述词条对应的元素值；
根据所述词库中每个所述词条对应的元素值，得到所述分词后样本的所述基于单个分词统计到的频率向量；
和/或
采用n元语法对所述词库重构为重构词库，以及采用n元语法对所述分词后样本的各分词进行重组，获得重构样本，对所述重构词库中的每个重构词条进行以下处理：统计所述重构词条在所述重构样本中出现的次数，根据统计到的次数以及所述重构样本的总词数，获得所述重构词条对应的词频；获得所述训练样本集合中包含所述重构词条的重构样本数；根据所述重构样本数以及所述训练样本集合的重构样本总数，获得所述重构词条的逆文本频率指数；根据所述重构词条的词频和所述重构词条的逆文本频率指数，获得所述重构词条对应的元素值；
根据所述重构词库中每个所述重构词条对应的元素值，得到所述重构样本的所述基于n元语法统计到的频率向量，作为所...

【专利技术属性】
技术研发人员：毕乐斌，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：北京;11