【技术实现步骤摘要】
一种基于AI的商城系统入侵数据分析方法及系统
[0001]本专利技术涉及信息安全
，尤其涉及一种基于AI的商城系统入侵数据分析方法及系统。
技术介绍
[0002]商城系统在网络化和智能化环境下，面临着越来越多的网络攻击和入侵风险。基于传统的入侵检测方法已经很难满足商城系统入侵风险的防范和管控需求。因此，寻求更快速准确的网络入侵数据分析及防护方法成为商城系统安全保障的重要方案之一。
技术实现思路
[0003]本专利技术为解决上述技术问题，提出了一种基于AI的商城系统入侵数据分析方法，以解决至少一个上述技术问题。
[0004]本申请提供了一种基于AI的商城系统入侵数据分析方法，包括以下步骤：
[0005]步骤S1：获取商城系统日志信息，对商城系统日志信息进行入侵检验，从而获得商城系统入侵数据；
[0006]步骤S2：对商城系统入侵数据进行降维处理并构建AI入侵分类模型；
[0007]步骤S3：获取商城系统历史文件数据，通过系统文件损坏系数公式对商城系统历史文件数据进行计算，从...
【技术保护点】
【技术特征摘要】
1.一种基于AI的商城系统入侵数据分析方法，其特征在于，包括以下步骤：步骤S1：获取商城系统日志信息，对商城系统日志信息进行入侵检验，从而获得商城系统入侵数据；步骤S2：对商城系统入侵数据进行降维处理并构建AI入侵分类模型；步骤S3：获取商城系统历史文件数据，通过系统文件损坏系数公式对商城系统历史文件数据进行计算，从而获得系统历史损坏系数数据，其中系统文件损坏系数公式具体为：其中C为系统文件损坏系数，n1为历史文件数据的样本数量，h为历史文件数据的样本序号，w
h
为第h个历史文件数据的权重，x
h
为第h个文件发生故障的次数，y
h
为第h个文件正常运行的总次数，q为损坏程度的权重；步骤S4：获取商城系统当前文件数据，通过系统文件损坏系数公式对商城系统当前文件数据进行计算，从而获得系统当前损坏系数数据；步骤S5：根据系统历史损坏系数数据对系统当前损坏系数数据进行分类计算，从而获得待可疑性检测数据；步骤S6：对商城系统日志信息进行传输数据量特征以及HTTP协议信息特征提取，从而获得传输数据量特征以及HTTP协议信息特征，利用传输数据量特征以及HTTP协议信息特征对AI入侵分类模型进行修正处理，从而获得商城系统AI入侵检测模型；步骤S7：利用商城系统AI入侵检测模型对待可疑性检测数据进行可疑性分析，从而获得系统入侵数据，并发送至商城防护系统。2.根据权利要求1所述的方法，其特征在于，步骤S1包括以下步骤：步骤S11：获取商城系统日志信息；步骤S12：对商城系统日志信息进行结构化数据以及非结构化数据提取，从而获得系统结构化数据以及系统非结构化数据；步骤S13：对系统结构化数据进行结构化入侵检测，从而获得系统结构化入侵数据；步骤S14：对系统非结构化数据进行非结构化入侵检测，从而获得系统非结构化入侵数据；步骤S15：对系统结构化入侵数据以及系统非结构化入侵数据进行时序合并，从而获得商城系统入侵数据。3.根据权利要求2所述的方法，其特征在于，步骤S13包括以下步骤：步骤S131：对系统结构化数据进行统计分析，从而获得高频结构化入侵数据以及低频结构化入侵数据；步骤S132：对系统结构化数据进行结构化扰动入侵计算，从而获得潜在结构化入侵数据；步骤S133：对潜在结构化入侵数据、高频结构化入侵数据以及低频结构化入侵数据进行时序合并，从而获得系统结构化入侵数据。4.根据权利要求3所述的方法，其特征在于，步骤S132包括以下步骤：通过拉普拉斯机制对系统结构化数据进行扰动处理，从而获得结构化扰动数据；
通过结构化潜在入侵分类算法对结构化扰动数据进行计算，从而获得潜在系统结构化数据；其中，结构化潜在入侵分类算法的函数公式为：其中I为结构化潜在入侵系数，P为物理安全等级，T为时间，U为进程使用权重，R为资源利用率，D为外部通信的数据流大小。5.根据权利要求2所述的方法，其特征在于，步骤S14包括以下步骤：步骤S141：对系统非结构化数据进行统计分析，从而获得高频非结构化入侵数据以及低频非结构化入侵数据；步骤S142：对系统非结构化数据进行非结构化潜在入侵计算，从...
【专利技术属性】
技术研发人员：方爱凤，邱军，张加强，
申请(专利权)人：广州行得久网络科技有限公司，
类型：发明
国别省市：
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。