[发明专利]模型训练方法、API请求过滤方法、装置和存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述模型训练方法包括：

采集多个第一API请求数据；

对各所述第一API请求数据进行标准化格式处理，获得训练样本集；

对所述训练样本集按特征进行分类构建，获得自体集；

获取免疫检测器；

使用所述自体集对所述免疫检测器进行训练。

2.根据权利要求1所述的模型训练方法，其特征在于，所述采集多个第一API请求数据，包括：

通过爬虫程序主动爬取注入案例；

从所述注入案例中提取出所述第一API请求数据。

3.根据权利要求1所述的模型训练方法，其特征在于，所述对所述第一API请求数据进行标准化格式处理，得到训练样本集，包括：

使用特殊字符分离法和空格分离法对所述第一API请求数据进行处理，获得第一特征信息；

对所述第一特征信息进行标记化，获得令牌信息；

将所述令牌信息组建成攻击语句语法树；

以所述攻击语句语法树组成所述训练样本集。

4.根据权利要求1所述的模型训练方法，其特征在于，所述对所述训练样本集按特征进行分类构建，获得自体集，包括：

对所述训练样本集进行朴素贝叶斯聚类分析，根据所述朴素贝叶斯聚类分析的结果，将所述训练样本集中的内容分类到正常数据集或者异常数据集；

按照多叉树所需的特征属性标准，对所述正常数据集进行特征属性提取，获得第一特征属性；

以所述第一特征属性作为多叉树存储结构中每层结点的主属性，构造出所述自体集。

5.根据权利要求4所述的模型训练方法，其特征在于，所述模型训练方法还包括：

按照多叉树所需的特征属性标准，对所述异常数据集进行特征属性提取，获得第二特征属性；

以所述第二特征属性作为多叉树存储结构中每层结点的主属性，构造出所述非自体集；使用所述自体集和所述非自体集对所述免疫检测器进行训练。

6.根据权利要求5所述的模型训练方法，其特征在于，所述使用所述自体集和所述非自体集对所述免疫检测器进行训练，包括：

将所述免疫检测器的参数作为抗体，将所述自体集和所述非自体集中的数据作为抗原；

执行多轮迭代过程，直至所执行的迭代过程总轮数达到轮数阈值；在一轮所述迭代过程中，对所述抗体和所述抗原进行匹配，获得亲和度；当所述亲和度超过亲和度阈值，存储所述免疫检测器的参数，反之则更改所述免疫检测器的参数。

7.一种API请求过滤方法，其特征在于，所述API请求过滤方法包括：

获取第二API请求数据；

使用免疫检测器对所述第二API请求数据进行检测；所述免疫检测器经过权利要求1-6任一项所述的模型训练方法训练；

获取所述免疫检测器的检测结果；

根据所述免疫检测器的检测结果，识别所述第二API请求数据为正常请求或异常请求；

当识别所述第二API请求数据为正常请求，响应所述第二API请求数据；当识别所述第二API请求数据为异常请求，拒绝或忽略所述第二API请求数据。

8.一种API请求过滤方法，其特征在于，所述API请求过滤方法包括：

获取多个第二API请求数据；

对各所述第二API请求数据进行基于概率队列的排序；

按照排序后各所述第二API请求数据的顺序，使用免疫检测器依次对各所述第二API请求数据进行检测；所述免疫检测器经过权利要求1-6任一项所述的模型训练方法训练；

获取所述免疫检测器的检测结果；

根据所述免疫检测器的检测结果，识别各所述第二API请求数据为正常请求或异常请求；

响应被识别为正常请求的所述第二API请求数据，拒绝或忽略被识别为正常请求的所述第二API请求数据。