加密恶意流量检测方法、装置、存储介质及电子装置制造方法及图纸

本申请实施例提供了一种加密恶意流量检测方法、装置、存储介质及电子装置，该方法包括：提取预定数量的训练样本的多种报文；分别对该预定数量的训练样本的多种报文提取不同的关键字段，并将提取的该关键字段构成该预定数量的词向量；采用多头注意力和BiLSTM的方式，根据该预定数量的词向量构建目标BiLSTM模型；根据该目标BiLSTM模型进行加密恶意流量检测，可以解决相关技术中恶意流量检测方法中，提取流量的前m个字节作为输入只是对流量字节的简单切片，无法学习到流量的准确语义，导致恶意加密流量检测效果不佳的问题，通过多头注意力的方式，提高关键字段的权重，并通过BiLSTM获取前向和后向的长距离依赖，实现更好的恶意加密流量检测效果。的恶意加密流量检测效果。的恶意加密流量检测效果。

【技术实现步骤摘要】
加密恶意流量检测方法、装置、存储介质及电子装置


[0001]本申请实施例涉及通信领域，具体而言，涉及一种加密恶意流量检测方法、装置、存储介质及电子装置。

技术介绍

[0002]在各种窃听和中间人攻击的背景下，在安全和隐私的考虑下，HTTPS(Hyper Text Transfer Protocol Over Secure Socket)逐渐占据主流，随之带来的是加密流量比例增加。在保护传输内容的同时，恶意攻击也使用安全套接层/传输层安全(Secure Sockets Layer/Transport layer Security，简称为SSL/TLS)协议进行加密，伪装成正常流量。
[0003]相关技术中提出基于CNN和长短期记忆网络(Long Short
‑
Term Memory，简称为BiLSTM)的异常流量检测方法，学习原始流量数据的空间域的表征和时序特征，图1是相关技术中加密恶意流量检测的流程图，如图1所示，包括：从网卡节点中捕获网络流量，对网络流量进行预处理，具体包括数据清洗、数据切片、维处理以及数据变换，并将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加密恶意流量检测方法，其特征在于，包括：提取预定数量的训练样本的多种报文；分别对所述预定数量的训练样本的多种报文提取不同的关键字段，并将提取的所述关键字段构成所述预定数量的词向量；采用多头注意力Multi
‑
Head Attention和双向长短期记忆网络BiLSTM的方式，根据所述预定数量的词向量构建目标BiLSTM模型；根据所述目标BiLSTM模型进行加密恶意流量检测。2.根据权利要求1所述的方法，其特征在于，采用多头注意力Multi
‑
Head Attention和双向长短期记忆网络BiLSTM的方式，根据所述预定数量的词向量构建目标BiLSTM模型包括：通过BiLSTM模型的Multi
‑
Head Attention层，对所述预定数量的词向量进行编码选择，得到所述预定数量的编码后的样本；将所述预定数量的编码后的样本输入到所述BiLSTM模型的BiLSTM层中，经过线性层与softmax层后，输出所述预定数量的预测结果y_pred；通过所述预定数量的预测结果y_pred与对应的标签y_label的交叉熵损失进行反向梯度传递，更新所述BiLSTM模型的神经元参数，得到训练好的所述目标BiLSTM模型。3.根据权利要求2所述的方法，其特征在于，通过BiLSTM模型的Multi
‑
Head Attention层，对所述预定数量的词向量进行编码选择，得到编码后的样本包括：确定所述预定数量的词向量中的每个词向量的Query、Key以及Value：Query＝W
Q
X；Key＝W
K
X；Value＝W
V
X，其中，X为所述词向量，W
Q
、W
K
、W
V
为所述BiLSTM模型的神经元参数，W
Q
、W
K
、W
V
是分别对应所述Query、所述Key以及所述Value的n*n矩阵，n为正整数；根据所述Query、所述K...

【专利技术属性】
技术研发人员：王继刚，谷勇浩，张晓青，徐昊，黄泽祺，王翼翡，田甜，王静，马苏安，付鹏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：