[发明专利]一种基于机器学习的自动适应场景的SQL注入识别方法

权利要求书

1.一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，包括如下步骤：

步骤1、机器学习过程，具体包括如下步骤：

步骤1.1、部署防火墙：在服务器前部署防火墙；

步骤1.2、机器学习SQL语句特征：防火墙使用一个将数据报文内的SQL语句自动剥离的模块，分离SQL语句，并使用一个判定SQL语句特征的模块，学习SQL语句特征；

步骤1.3、机器学习流量特征：防火墙使用一个判定数据流特征的模块，学习数据流特征；

步骤1.4、形成学习结果：防火墙通过投票融合、决策树算法，形成经过机器学习的流量分类器；

步骤2、机器防护过程，具体包括如下步骤：

步骤2.1、部署防火墙：在服务器前部署防火墙；

步骤2.2、分离流量中的SQL语句：防火墙使用一个将数据报文内的SQL语句自动剥离的模块，分离SQL语句；

步骤2.3、提取流量特征：防火墙使用一个流量信息提取器，提取报文的流量特征；

步骤2.4、识别SQL注入：防火墙使用一个经过数据训练的分类器，判定是否拦截此次数据报文，并储存分类结果；

步骤2.5、形成特征环境的白名单：防火墙每隔一段时间，自动生成流量信息白名单分类器。

2.根据权利1所述的一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，所述步骤1.2机器学习SQL特征中包括如下步骤：

步骤1.2.1、提取当前SQL语句的各类基本特征；

步骤1.2.2、机器学习SQL语句基本特征对应类别；

步骤1.2.3、机器学习SQL语句类别之间的关系；

步骤1.2.4、机器学习已知的SQL规则对应关系；

步骤1.2.5、根据学习结果，生成分类器。

3.根据权利1所述的一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，所述步骤1.3机器学习流量特征中包括如下步骤：

步骤1.3.1、提取当前数据流流量特征；

步骤1.3.2、机器学习数据流特征对应类别；

步骤1.3.3、机器学习数据流特征之间的关系；

步骤1.3.4、机器学习已知的流量规则对应关系；

步骤1.3.5、根据学习结果，生成分类器。

4.根据权利1所述的一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，所述步骤1.4形成学习结果中，包括如下步骤：

步骤1.4.1、使用步骤1.2，步骤1.3获得的分类器，使用投票融合、决策树，等boosting算法，获取不同boosting算法下分类器的准确度；

步骤1.4.2、选取准确度最高的boosting方案，作为训练获得的分类器。

5.根据权利1所述的一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，所述步骤2.2分离流量中的SQL语句中的模块包括对原始数据的预处理，所述预处理具体包括噪声去除、缺失值处理、编码转换、相似去重、Url解码、字符串拆分、相似字段泛化，字段划分操作，并能够基于SQL语句功能，对SQL数据进行初步的划分。

6.根据权利1所述的一种基于机器学习的自动适应场景的SQL注入识别方法，其特征在于，所述步骤2.3提取流量特征，包括如下步骤：

步骤2.3.1、使用一个自动提取数据包信息的模块，提取数据报文中的以下信息：

a.源IP,源端口,目标IP,目标端口，等数据报文普遍存在的信息；

b.host信息，url目标，客户端agent，连接cookie等连接信息；

步骤2.3.2、储存结果，以备和其它步骤机器学习结果综合。