【技术实现步骤摘要】
本申请实施例涉及计算机领域，具体而言，涉及一种基于跨站点脚本攻击检测的网络训练方法及程序产品。
技术介绍
1、随着应用程序的广泛普及，各服务领域对其依赖日益增强，这一趋势不可避免地加剧了人们对潜在网络攻击的担忧。跨站点脚本攻击是这些最严重和最常见的应用程序攻击之一。它对被攻击的对象造成严重伤害。由于跨站点脚本攻击的不断发展，针对跨站点脚本攻击的现有安全方法并不能稳定地发挥作用。跨站点脚本攻击的一个不断发展的方向是特征漂移，它会改变特征相关性并导致应用程序性能下降。现有的脚本攻击检测方法缺少对漂移发生时的动态感知。
技术实现思路
1、本申请实施例提供了一种基于跨站点脚本攻击检测的网络训练方法及程序产品，以至少解决相关技术中无法有效检测跨站点脚本攻击的问题。
2、根据本申请的一个实施例，提供了一种基于跨站点脚本攻击检测的网络训练方法，包括：确定多组训练数据，其中，多组所述训练数据是按照时间排列的跨站点脚本攻击的流数据，每组所述训练数据均是一个包括多个按照时间顺序排列的特征向量的特征...
【技术保护点】
1.一种基于跨站点脚本攻击检测的网络训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定多组训练数据，包括：通过以下方式确定每组所述训练数据，得到多组所述训练数据：
3.根据权利要求1所述的方法，其特征在于，使用所述多组训练数据对初始检测网络执行迭代训练，得到目标分类子网络，包括：
4.根据权利要求3所述的方法，其特征在于，将所述特征空间中缓存的多个所述特征向量矩阵并行输入第i-1次训练的检测网络中的选择子网络中，分别得到每个所述特征向量对应的决策动作，包括：
5.根据权利要求4所述的方法，其特征...
【技术特征摘要】
1.一种基于跨站点脚本攻击检测的网络训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定多组训练数据，包括：通过以下方式确定每组所述训练数据，得到多组所述训练数据：
3.根据权利要求1所述的方法，其特征在于，使用所述多组训练数据对初始检测网络执行迭代训练，得到目标分类子网络，包括：
4.根据权利要求3所述的方法，其特征在于，将所述特征空间中缓存的多个所述特征向量矩阵并行输入第i-1次训练的检测网络中的选择子网络中，分别得到每个所述特征向量对应的决策动作，包括：
5.根据权利要求4所述的方法，其特征在于，利用每个所述特征向量的多个环境状态确定每个所述特征向量的决策动作，包括：
6.根据权利要求4所述的方法，其特征在于，将每个所述特征向量对应的决策动作分别输入至第i-1次训练的检测网络中的奖励子网络和状态子网络中，分别得到每个所述特征向量的奖励和决策状态，包括：
7.根据权利要求6所述的方法，其特征在于，所述决策矩阵为：；
8.根据权利要求6所述的方法，其特征在于，所述奖励模块通过以下方式至少之一对所述决策矩阵中的决策动作以及准确率进行奖励，得到所述奖励结果，包括：
9.根据权利要求3所述的方法，其特征在于，将所述过程数据集合输入至第i-1次训练的检测网络中的决策子网络中，得到一个或多个所述目标特征向量...
【专利技术属性】
技术研发人员：诸葛瑞琛，王武军，徐基法，
申请(专利权)人：苏州元脑智能科技有限公司，
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。