[发明专利]异常访问请求识别方法及装置有效

专利信息
申请号: 201610045718.1 申请日: 2016-01-22
公开(公告)号: CN106998317B 公开(公告)日: 2019-08-20
发明(设计)人: 王星;童遥 申请(专利权)人: 高德信息技术有限公司
主分类号: H04L29/06 分类号: H04L29/06
代理公司: 北京领科知识产权代理事务所(特殊普通合伙) 11690 代理人: 张丹
地址: 100080 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 异常 访问 请求 识别 方法 装置
【权利要求书】:

1.一种异常访问请求识别方法,其特征在于,包括:

接收携带IP地址及访问时间的访问请求;

识别所述IP地址所属的IP地址段;所述IP地址段包含至少一个IP地址;

将所述IP地址段及访问时间输入频次阈值确定模型,得到所述模型输出的访问频次阈值;其中,所述频次阈值确定模型采用机器学习的方法训练获得;

获取所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次;

判断所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次是否超过所确定的访问频次阈值;

若超过所述访问频次阈值,则识别出携带所述IP地址的访问请求为异常访问请求。

2.如权利要求1所述的方法,其特征在于,采用机器学习的方法训练获得所述频次阈值确定模型包括:

获取携带IP地址及访问时间的历史访问请求作为训练频次阈值确定模型的采样数据;

将所述采样数据的IP地址进行聚合,并为聚合后的IP地址设置所属的IP地址段;

以聚合后的IP地址段对应的采样数据训练所述频次阈值确定模型。

3.如权利要求2所述的方法,其特征在于,所述将所述采样数据的IP地址进行聚合的步骤包括:

将所述采样数据的所有IP地址中同网段的IP地址聚合;

将访问时间与访问频次对应关系曲线相近度小于规定相近度阈值的一组同网段IP地址进行聚合。

4.如权利要求1所述的方法,其特征在于,所述获取所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次的步骤包括:

获取从所述访问时间往前预设时长内携带所述IP地址段包含的所有IP地址的访问请求的访问频次。

5.如权利要求1所述的方法,其特征在于,若识别出携带所述IP地址的访问请求为异常访问请求,所述方法还包括:

对携带所述IP地址所属的IP地址段包含的所有IP地址的访问请求采用验证码进行验证直到验证成功。

6.一种异常访问请求识别装置,其特征在于,包括:

接收单元,用于接收携带IP地址及访问时间的访问请求;

地址段识别单元,用于识别所述IP地址所属的IP地址段;所述IP地址段包含至少一个IP地址;

确定单元,用于将所述IP地址段及访问时间输入频次阈值确定模型,得到所述模型输出的访问频次阈值;其中,所述频次阈值确定模型采用机器学习的方法训练获得;

获取单元,用于获取所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次;

判断单元,用于判断所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次是否超过所确定的访问频次阈值;

异常访问请求单元,用于在所述判断单元判断所述访问时间对应的预设时长内携带所述IP地址段包含的IP地址的访问请求的访问频次超过所述访问频次阈值情况下,识别出携带所述IP地址的访问请求为异常访问请求。

7.如权利要求6所述的装置,其特征在于,所述装置还包括如下单元用于采用机器学习的方法训练获得所述频次阈值确定模型包括:

采用数据获取单元,用于获取预设时长范围内历史接收的携带IP地址的访问请求信息作为训练频次阈值确定模型的采样数据;

聚合单元,用于将采样数据按IP地址聚合,得到聚合后的IP地址段对应的采样数据;

训练单元,用于以聚合后的IP地址段对应的采样数据按照预设时间段进行划分来训练所述频次阈值确定模型。

8.如权利要求7所述的装置,其特征在于,所述聚合单元被配置为:

将所述采样数据的所有IP地址中同网段的IP地址聚合;

将访问时间与访问频次对应关系曲线相近度小于规定相近度阈值的一组同网段IP地址进行聚合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于高德信息技术有限公司,未经高德信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610045718.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top