[发明专利]自动生成web样本数据的方法

说明书

本发明涉及安全领域，针对现有的web样本数据无法自动生成的问题，提出一种自动生成web样本数据的方法，包括：构建web训练样本的样本训练集，对样本训练集内的web训练样本进行特征处理得到对应的编码字符串，构建神经网络模型；将样本训练集对应的编码字符串输入至神经网络模型，计算损失函数值，通过最小化损失函数值来优化神经网络模型得到最优模型；构建web输入样本的样本输入集，对样本输入集内的web输入样本进行特征处理得到对应的编码字符串，将样本输入集对应的编码字符串输入到最优模型生成数字字符序列；将数字字符序列转换为对应的词表字符序列。本发明适用于生成安全测试中的web样本数据。

技术领域

本发明涉及安全领域，特别涉及一种自动生成web样本数据的方法。

背景技术

随着信息化时代的发展，国家发展进入了网络安全时代，国家出台了网络安全法，公司内部也已经在开发自身的网络安全产品，web攻击输入中，一些文本类型的流量数据获取有时比较麻烦，当系统要进行输入时，要手动造web样本数据，如此需要较高的人工成本。

发明内容

本发明所要解决的技术问题是：克服现有的web样本数据无法自动生成的问题，提出一种自动生成web样本数据的方法。

本发明解决上述技术问题，采用的技术方案是：

自动生成web样本数据的方法，包括：

构建web训练样本的样本训练集，对样本训练集内的web训练样本进行特征处理得到对应的编码字符串，构建神经网络模型；

将样本训练集对应的编码字符串输入至神经网络模型，计算损失函数值，通过最小化损失函数值来优化神经网络模型得到最优模型；

构建web输入样本的样本输入集，对样本输入集内的web输入样本进行特征处理得到对应的编码字符串，将样本输入集对应的编码字符串输入到最优模型生成数字字符序列；

将数字字符序列转换为对应的词表字符序列。

优选的，所述构建web训练样本的样本训练集包括：

收集多个同类型的web训练样本，web训练样本的类型包括白流量数据或黑流量数据或rfi数据；

对收集到的web训练样本进行预处理，得到对应web训练样本的样本训练集；

所述构建web输入样本的样本输入集，包括：

通过指定URL地址的协议并按URL的格式指定长度随机生成字符串构成web输入样本。

优选的，所述预处理包括剔除乱码和编码转换。

优选的，所述对样本训练集内的web训练样本进行特征处理得到对应的编码字符串包括：

对样本训练集内的样本以字符级别进行分词处理；

根据分词处理得到的字符构建词表；

统计词表中出现过的字符，并给每个字符赋予唯一的编号；

根据字符对应的编号对样本训练集内的web训练样本进行编码得到编码字符串；

所述对样本输入集内的web输入样本进行特征处理得到对应的编码字符串包括：

根据字符对应的编号对样本输入集内的web输入样本进行编码得到编码字符串。

优选的，所述神经网络模型包括输入层、嵌入层、第一LSTM循环层、第二LSTM循环层、Concatenate层、Attention层和输出层；

输入层，用于将样本训练集对应的编码字符串输入神经网络模型；