[发明专利]基于深度特征的复杂snort规则分类方法及系统

权利要求书

1.一种基于深度特征的复杂snort规则分类方法，包括：

根据snort规则分别建立基于content深度特征的多级分类器、基于稀疏矩阵的弱分类器和相关性分类器；其中，所述基于content深度特征的多级分类器根据snort规则中的content关键词建立，所述基于稀疏矩阵的弱分类器根据snort规则中的组合关联性关键词建立，所述相关性分类器根据snort规则中的前置规则与后置规则建立；

在半监督学习下，对所述基于content深度特征的多级分类器、所述基于稀疏矩阵的弱分类器、所述相关性分类器以及snort规则中的一维SVM分类器进行训练，形成基于深度特征的复杂snort规则总分类器，以完成对复杂snort规则进行语义层面的分类。

2.如权利要求1所述的基于深度特征的复杂snort规则分类方法，其中，在建立基于content深度特征的多级分类器的过程中，

采用多层公共特征串管理机制，通过计算snort规则中的content关键词的相似性，获得每层的最大公共串；对获得的每层的最大公共串建立相应的hash表；根据所述hash表中的规则，汇总content关键词相似性的分数，根据汇总的content关键词相似性的分数获得基于content深度特征的多级分类器。

3.如权利要求2所述的基于深度特征的复杂snort规则分类方法，其中，

通过公式(1)计算snort规则中的content关键词的相似性，获得每层的最大公共串；公式(1)如下所示：

S(ruleA,ruleB)=Σjnum(A)*num(B)len(con_content_j)/(Σinlen(content_i))---(1)]]>

其中，在公式(1)中，rule_A,rule_B分别表示A与B两条规则；

S(rule_A,rule_B)表示A与B两条规则的相似性；

con_content_j表示最大公共串；

len(con_content_j)表示最大公共串的长度；

表示content关键词属性的串长度之和；

表示对第一个连加符号后的内容进行求和，其中，j的个数最大值为规则A与规则B中content关键词属性的乘积。