【技术实现步骤摘要】
本专利技术涉及网络安全，并且更具体地，涉及一种基于深度学习的胶囊网络模型的挖矿程序检测方法及系统。
技术介绍
1、对于企业机构和广大网民来说，除了面对勒索病毒这一类威胁以外，其往往面临的另一类广泛的网络威胁类型就是感染恶意挖矿程序。恶意挖矿，就是在用户不知情或未经允许的情况下，占用用户终端设备的系统资源和网络资源进行挖矿，从而获取虚拟币牟利。其通常可以发生在用户的个人电脑，企业网站或服务器，个人手机，网络路由器。相关技术中，目前对挖矿程序的检测大多基于经验排查法和技术排查法，比如查看进程行为、网络连接状态、自启动或任务计划脚本、相关配置文件、日志文件等等。这些方法很难具备通用性，从而导致挖矿程序的检测结果不准确，进而影响企业机构和个人网民的后续操作。
2、因此，如何选取用于挖矿程序检测的参数使之具有通用性，又能合理的设计出一个使用这些参数数据来检测挖矿程序的深度学习模型，是目前亟需解决的问题。
技术实现思路
1、本专利技术提出一种基于深度学习网络模型的挖矿程序检测方法及系统，以...
【技术保护点】
1.一种基于深度学习的胶囊网络模型的挖矿程序检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标设备的运行数据进行监控，获取所述运行数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述运行数据确定每个采样时刻对应的特征值，包括：
4.根据权利要求3所述的方法，其特征在于，利用如下方式计算所述需求特征数据中每个特征的权重，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，利用如下方式获取所述第i个胶...
【技术特征摘要】
1.一种基于深度学习的胶囊网络模型的挖矿程序检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标设备的运行数据进行监控，获取所述运行数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述运行数据确定每个采样时刻对应的特征值，包括：
4.根据权利要求3所述的方法，其特征在于，利用如下方式计算所述需求特征数据中每个特征的权重，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要...
【专利技术属性】
技术研发人员：白红霞，马娜，王潇，甄小丽，李海亮，徐剑南，刘瑞全，
申请(专利权)人：江南信安北京科技有限公司，
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。