一种基于域控制器的网络安全管理方法及系统技术方案

本发明专利技术公开了一种基于域控制器的网络安全管理方法及系统，其中方法包括：接收客户端用于进行通信连接的请求报文；对所述请求报文进行解析，获取所述请求报文中携带的用户数据和行为数据；根据所获取的用户数据，获取所述用户的历史行为数据；基于所述历史行为数据，判断所述客户端是否为合法用户；若判定为合法用户，则基于所述请求报文，执行所述客户端的通信连接操作；若判定为非法用户，则拒绝所述请求报文。由此，在对用户进行通讯连接之前，可以根据其历史行为数据来过滤掉非法用户，大大减少了服务器的业务处理量，降低了服务器的压力，而且能提供一个安全的网络环境。而且能提供一个安全的网络环境。而且能提供一个安全的网络环境。

【技术实现步骤摘要】
一种基于域控制器的网络安全管理方法及系统


[0001]本专利技术涉及信息安全
，尤其涉及一种基于域控制器的网络安全管理方法及系统。

技术介绍

[0002]随着科学技术的发展，网络科技日新月异，办公自动化及互联网络的应用越来越普及，企业或单位之间通过互联网络相互传递信息，企业或单位内部通过局域网相互传递信息，因此，网络信息安全问题至关重要。
[0003]目前，广泛应用的防火墙、IDS、内外网隔离以及其它针对外部网络的访问控制系统，可有效防范来自网络外部的攻击，但对于网络内部的信息保密问题，却一直没有好的防范方法。

技术实现思路

[0004]本专利技术提供了一种基于域控制器的网络安全管理方法及系统，可以根据其历史行为数据来过滤掉非法用户，大大减少了服务器的业务处理量，降低了服务器的压力，而且能提供一个安全的网络环境。
[0005]本专利技术提供一种基于域控制器的网络安全管理方法，应用于服务器，所述方法包括：
[0006]接收客户端用于进行通信连接的请求报文；
[0007]对所述请求报文进行解析，获取所述请求报文中携带的用户数据和行为数据；
[0008]根据所获取的用户数据，获取所述用户的历史行为数据；
[0009]基于所述历史行为数据，判断所述客户端是否为合法用户，包括：
[0010]将所述历史行为数据作为基于深度学习的神经网络模型中，输出表征存在异常行为的概率值；
[0011]基于所输出的概率值，判断所述客户端是否为合法用户；
>[0012]若判定为合法用户，则基于所述请求报文，执行所述客户端的通信连接操作；
[0013]若判定为非法用户，则拒绝所述请求报文；
[0014]其中，在将所述历史行为数据作为基于深度学习的神经网络模型的过程中，所述方法还包括：
[0015]删除异常数据，其公式为：
[0016]计算历史行为数据的均值与标准差其中，Y
i
(i＝1，2，...，n)为一组历史行为数据，将数据从小到大排列，即Y
(1)
＜Y
(2)
＜
…
＜Y
(n)
；
[0017]令其中，G
n
为判断数据中的最小值是否为异常值的格拉斯统计量，G
n
’
为判断数据中的最大值是否为异常值的格拉斯统计量；
[0018]确定格拉布斯判别法的临界值其中，n表示数据样本的个数，t表示t分布在给定置信度水平下的固定临界值；
[0019]当|G
n
|＞A
n
(n，t)，或|G
n
’
|＞A
n
(n，t)时，判断数据为异常数据；
[0020]删除所述异常数据；
[0021]基于删除数据前后的数据计算填补数据，在所删除数据的位置填补数据；
[0022]归一化处理经填补后的历史数据，获得最终的历史行为数据。
[0023]优选的，所述神经网络公式为：
[0024]其中，其中，x
i
表示输入数据，w
i
表示权重参数，b表示偏置项，表示输入数据加权和与偏置项的总和，f表示激活函数，y表示输出结果。
[0025]优选的，所述基于删除数据前后的数据计算填补数据，包括：
[0026]根据异常数据附近k个最近邻的数据得到这k个数据的平均值，然后将这个平均值填入异常数据处，算法公式为：
[0027]G
n
＝(x
i
‑
k
+
…
+x
i
‑1+x
i+1
+
…
+x
i+k
)/2k；其中，x
i
‑
k
是异常数据前面的第k个数据，x
i+k
是异常数据后面的第k个数据。
[0028]一种基于域控制器的网络安全管理系统，应用于服务器，所述系统包括：
[0029]信息接收模块，用于接收客户端用于进行通信连接的请求报文；
[0030]信息解析模块，用于对所述请求报文进行解析，获取所述请求报文中携带的用户数据和行为数据；
[0031]信息查询模块，用于根据所获取的用户数据，获取所述用户的历史行为数据；
[0032]信息判断模块，用于基于所述历史行为数据，判断所述客户端是否为合法用，包括：将所述历史行为数据作为基于深度学习的神经网络模型中，输出表征存在异常行为的概率值；
[0033]基于所输出的概率值，判断所述客户端是否为合法用户；
[0034]所述信息判断模块还用于：
[0035]删除异常数据，其公式为：
[0036]计算历史行为数据的均值与标准差其中，Y
i
(i＝1，2，...，n)为一组历史行为数据，将数据从小到大排列，即Y
(1)
＜Y
(2)
＜
…
＜Y
(n)
；
[0037]令其中，G
n
为判断数据中的最小值是否为异常值的格拉斯统计量，G
n
’
为判断数据中的最大值是否为异常值的格拉斯统计量；
[0038]确定格拉布斯判别法的临界值其中，n表示数据样本的个数，t表示t分布在给定置信度水平下的固定临界值；
[0039]当|G
n
|>A
n
(n，t)，或|G
n
’
|＞A
n
(n，t)时，判断数据为异常数据；
[0040]删除所述异常数据；
[0041]基于删除数据前后的数据计算填补数据，在所删除数据的位置填补数据；
[0042]归一化处理经填补后的历史数据，获得最终的历史行为数据；
[0043]信息执行模块，用于若判定为合法用户，则基于所述请求报文，执行所述客户端的通信连接操作；若判定为非法用户，则拒绝所述请求报文。
[0044]本专利技术另一方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
[0045]本专利技术另一方面提供一种计算机可读存储介质，其上存储有计算机程序指令，
[0046]该计算机程序指令被处理器执行时实现所述方法的步骤。
[0047]在本专利技术中，所述的一种基于域控制器的网络安全管理方法，接收客户端用于进行通信连接的请求报文；对所述请求报文进行解析，获取所述请求报文中携带的用户数据；根据所获取的用户数据，获取所述用户的历史行为数据；基于所述历史行为数据，判断所述客户端是否为合法用户；若判定为合法用户，则基于所述请求报文，执行所述客户端的通信连接操作；若判定为非法用户，则拒绝所述请求报文。可见，在对用户进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于域控制器的网络安全管理方法，应用于服务器，其特征在于，所述方法包括：接收客户端用于进行通信连接的请求报文；对所述请求报文进行解析，获取所述请求报文中携带的用户数据和行为数据；根据所获取的用户数据，获取所述用户的历史行为数据；基于所述历史行为数据，判断所述客户端是否为合法用户，包括：将所述历史行为数据作为基于深度学习的神经网络模型中，输出表征存在异常行为的概率值；基于所输出的概率值，判断所述客户端是否为合法用户；若判定为合法用户，则基于所述请求报文，执行所述客户端的通信连接操作；若判定为非法用户，则拒绝所述请求报文；其中，在将所述历史行为数据作为基于深度学习的神经网络模型的过程中，所述方法还包括：删除异常数据，其公式为：计算历史行为数据的均值与标准差其中，Y
i
(i＝1，2，...，n)为一组历史行为数据，将数据从小到大排列，即Y
(1)
＜Y
(2)
＜
…
＜Y
(n)
；令其中，G
n
为判断数据中的最小值是否为异常值的格拉斯统计量，G
n
’
为判断数据中的最大值是否为异常值的格拉斯统计量；确定格拉布斯判别法的临界值其中，n表示数据样本的个数，t表示t分布在给定置信度水平下的固定临界值；当|G
n
|＞A
n
(n，t)，或|G
n
’
|＞A
n
(n，t)时，判断数据为异常数据；删除所述异常数据；基于删除数据前后的数据计算填补数据，在所删除数据的位置填补数据；归一化处理经填补后的历史数据，获得最终的历史行为数据。2.根据权利要求1所述的方法，其特征在于，所述神经网络公式为：其中，其中，x
i
表示输入数据，w
i
表示权重参数，b表示偏置项，表示输入数据加权和与偏置项的总和，f表示激活函数，y表示输出结果。3.根据权利要求1所述的方法，其特征在于，所述基于删除数据前后的数据计算填补数据，包括：根据异常数据附近k个最近邻的数据得到这k个数据的平均值，然后将这个平均值填入异常数据处，算法公式为：G
n
＝(x
i
‑
k
+
…
+x
i
‑1+x
...

【专利技术属性】
技术研发人员：李志刚，吴昊，
申请(专利权)人：无锡车联天下信息技术有限公司，
类型：发明
国别省市：