一种银行流量入侵检测方法、装置、系统和介质制造方法及图纸

本申请提供一种银行流量入侵检测方法、装置、系统和介质，采集当前银行外部渠道访问流量数据；获取XLNET自回归模型的训练集，训练集包括：历史银行外部渠道访问流量数据和历史银行外部渠道访问流量数据的分类；利用训练集学习历史银行外部渠道访问流量数据，和，历史银行外部渠道访问流量数据的分类，之间的映射关系；根据映射关系确定XLNET自回归模型的模型参数，以得到预先训练的XLNET自回归模型；将当前银行外部渠道访问流量数据输入预先训练的XLNET自回归模型，预先训练的XLNET自回归模型输出当前银行外部渠道访问流量数据的分类。使用预先训练的XLNET自回归模型，无需人工筛选即可实现及时准确的检测入侵流量，防止网络攻击，保障银行网络安全。保障银行网络安全。保障银行网络安全。

【技术实现步骤摘要】
一种银行流量入侵检测方法、装置、系统和介质


[0001]本申请涉及计算机
，特别涉及一种银行流量入侵检测方法、装置、系统和介质。

技术介绍

[0002]在商业银行的信贷领域，外部渠道的网络访问对商业银行业务办理的多样性具有重要意义。
[0003]但是，商业银行目前对各种外部暴露的接口成为了整个信贷系统的安全访问漏洞，只能依赖于合作机构对于访问接口的保密，和信贷系统的漏洞排查，如果出现针对接口的网络攻击，就会给商业银行带来损失，同时也会给外部渠道信贷请求造成损失。
[0004]因此，如何准确有效的对商业银行外部渠道进行安全检测，及时准确的检测到入侵流量，有效的防止信贷系统遭到非法访问，促进商业银行信贷业务的平稳健康发展，是本领域需要解决的技术问题。

技术实现思路

[0005]有鉴于此，本申请的目的在于提供一种银行流量入侵检测方法、装置、系统和介质，可以及时准确的检测到入侵流量，有效的防止信贷系统遭到非法访问，促进商业银行信贷业务的平稳健康发展。
[0006]为实现上述目的，本申请有如下技术方案：
[0007]第一方面，本申请实施例提供了一种银行流量入侵检测方法，包括：
[0008]采集当前银行外部渠道访问流量数据；
[0009]获取XLNET自回归模型的训练集，所述训练集包括：历史银行外部渠道访问流量数据和所述历史银行外部渠道访问流量数据的分类；
[0010]利用所述训练集学习所述历史银行外部渠道访问流量数据，和，所述历史银行外部渠道访问流量数据的分类，之间的映射关系；
[0011]根据所述映射关系确定所述XLNET自回归模型的模型参数，以得到预先训练的所述XLNET自回归模型；
[0012]将所述当前银行外部渠道访问流量数据输入预先训练的所述XLNET自回归模型，预先训练的所述XLNET自回归模型输出所述当前银行外部渠道访问流量数据的分类。
[0013]在一种可能的实现方式中，所述采集当前银行外部渠道访问流量数据，包括：
[0014]采集当前银行外部渠道访问流量初始数据；
[0015]将所述当前银行外部渠道访问流量初始数据按照第一预设规则进行拆分，得到拆分数据，提取所述拆分数据中与握手信息对应的数据，得到提取数据；
[0016]将所述提取数据按照第二预设规则进行转化得到输入向量，将所述输入向量作为所述当前银行外部渠道访问流量数据。
[0017]在一种可能的实现方式中，所述当前银行外部渠道访问流量数据包括：当前银行
外部渠道访问流量含有的时序信息。
[0018]在一种可能的实现方式中，在所述利用所述训练集学习所述历史银行外部渠道访问流量数据，和，所述历史银行外部渠道访问流量数据的分类，之间的映射关系之前，还包括：
[0019]将所述历史银行外部渠道访问流量数据输入所述XLNET自回归模型，以使所述XLNET自回归模型学习所述历史银行外部渠道访问流量数据的底层特征。
[0020]第二方面，本申请实施例提供了一种银行流量入侵检测装置，包括：
[0021]采集单元，用于采集当前银行外部渠道访问流量数据；
[0022]获取单元，用于获取XLNET自回归模型的训练集，所述训练集包括：历史银行外部渠道访问流量数据和所述历史银行外部渠道访问流量数据的分类；
[0023]学习单元，用于利用所述训练集学习所述历史银行外部渠道访问流量数据，和，所述历史银行外部渠道访问流量数据的分类，之间的映射关系；
[0024]确定单元，用于根据所述映射关系确定所述XLNET自回归模型的模型参数，以得到预先训练的所述XLNET自回归模型；
[0025]输入单元，用于将所述当前银行外部渠道访问流量数据输入预先训练的所述XLNET自回归模型，预先训练的所述XLNET自回归模型输出所述当前银行外部渠道访问流量数据的分类。
[0026]在一种可能的实现方式中，所述采集单元，具体用于：
[0027]采集当前银行外部渠道访问流量初始数据；
[0028]将所述当前银行外部渠道访问流量初始数据按照第一预设规则进行拆分，得到拆分数据，提取所述拆分数据中与握手信息对应的数据，得到提取数据；
[0029]将所述提取数据按照第二预设规则进行转化得到输入向量，将所述输入向量作为所述当前银行外部渠道访问流量数据。
[0030]在一种可能的实现方式中，所述当前银行外部渠道访问流量数据包括：当前银行外部渠道访问流量含有的时序信息。
[0031]在一种可能的实现方式中，还包括：
[0032]初学习单元，用于将所述历史银行外部渠道访问流量数据输入所述XLNET自回归模型，以使所述XLNET自回归模型学习所述历史银行外部渠道访问流量数据的底层特征。
[0033]第三方面，本申请实施例提供了一种银行流量入侵检测系统，包括：
[0034]存储器，用于存储计算机程序；
[0035]处理器，用于执行所述计算机程序时实现上述所述银行流量入侵检测方法的步骤。
[0036]第四方面，本申请实施例提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理执行时实现如上述所述银行流量入侵检测方法的步骤。
[0037]与现有技术相比，本申请实施例具有以下有益效果：
[0038]本申请实施例提供了一种银行流量入侵检测方法、装置、系统和介质，采集当前银行外部渠道访问流量数据；获取XLNET自回归模型的训练集，训练集包括：历史银行外部渠道访问流量数据和历史银行外部渠道访问流量数据的分类；利用训练集学习历史银行外部
渠道访问流量数据，和，历史银行外部渠道访问流量数据的分类，之间的映射关系；根据映射关系确定XLNET自回归模型的模型参数，以得到预先训练的XLNET自回归模型；将当前银行外部渠道访问流量数据输入预先训练的XLNET自回归模型，预先训练的XLNET自回归模型输出当前银行外部渠道访问流量数据的分类。使用预先训练的XLNET自回归模型，无需人工筛选即可实现及时准确的检测入侵流量，防止网络攻击，保障银行网络安全。
附图说明
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0040]图1示出了本申请实施例提供的一种银行流量入侵检测方法的流程图；
[0041]图2示出了本申请实施例提供的一种XLNET自回归模型的示意图；
[0042]图3示出了本申请实施例提供的一种银行流量入侵检测装置的示意图。
具体实施方式
[0043]为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。
[0044]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行流量入侵检测方法，其特征在于，包括：采集当前银行外部渠道访问流量数据；获取XLNET自回归模型的训练集，所述训练集包括：历史银行外部渠道访问流量数据和所述历史银行外部渠道访问流量数据的分类；利用所述训练集学习所述历史银行外部渠道访问流量数据，和，所述历史银行外部渠道访问流量数据的分类，之间的映射关系；根据所述映射关系确定所述XLNET自回归模型的模型参数，以得到预先训练的所述XLNET自回归模型；将所述当前银行外部渠道访问流量数据输入预先训练的所述XLNET自回归模型，预先训练的所述XLNET自回归模型输出所述当前银行外部渠道访问流量数据的分类。2.根据权利要求1所述的方法，其特征在于，所述采集当前银行外部渠道访问流量数据，包括：采集当前银行外部渠道访问流量初始数据；将所述当前银行外部渠道访问流量初始数据按照第一预设规则进行拆分，得到拆分数据，提取所述拆分数据中与握手信息对应的数据，得到提取数据；将所述提取数据按照第二预设规则进行转化得到输入向量，将所述输入向量作为所述当前银行外部渠道访问流量数据。3.根据权利要求1所述的方法，其特征在于，所述当前银行外部渠道访问流量数据包括：当前银行外部渠道访问流量含有的时序信息。4.根据权利要求1所述的方法，其特征在于，在所述利用所述训练集学习所述历史银行外部渠道访问流量数据，和，所述历史银行外部渠道访问流量数据的分类，之间的映射关系之前，还包括：将所述历史银行外部渠道访问流量数据输入所述XLNET自回归模型，以使所述XLNET自回归模型学习所述历史银行外部渠道访问流量数据的底层特征。5.一种银行流量入侵检测装置，其特征在于，包括：采集单元，用于采集当前银行外部渠道访问流量数据；获取单元，用于获取XLNET自回归模型的训练集，所述训练集包括：历史银行外部渠道访...

【专利技术属性】
技术研发人员：陈磊，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：