[发明专利]基于深度学习的多层次攻击特征提取及恶意行为识别方法有效
| 申请号： | 201810481076.9 | 申请日： | 2018-05-18 |
| 公开（公告）号： | CN108718310B | 公开（公告）日： | 2021-02-26 |
| 发明（设计）人： | 秦浩;蒲强;叶志远;李志浩;谢科军;薛伟;陈绪宝;黄云;曹灿;凡恒山;倪鹏程;王堃;卢伟东;邹保平;陈金城;杨清;林为民;张涛;马媛媛;张波;管小娟;赵俊峰;夏元轶 | 申请（专利权）人： | 安徽继远软件有限公司;国网信息通信产业集团有限公司;国家电网公司;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;全球能源互联网研究院有限公司;国网信通亿力科技有限责任公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L12/24;G06N3/08;G06F21/56 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 金凯 |
| 地址： | 230088 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的多层次攻击特征提取及恶意行为识别方法，属于网络安全技术领域，包括利用深度学习方法对攻击行为数据库中的恶意代码进行训练，以构建恶意代码的攻击数据模型；基于攻击数据模型对网络层中的待测代码进行处理，得到待测代码的网络层数据特征；对物理层中的待测代码进行特征提取，得到待测代码的物理层数据特征；结合网络层数据特征和物理层数据特征，确定待测代码是否为恶意代码。本发明通过结合网路层数据特征和物理层数据特征对代码进行识别，有效的满足了系统防御性高的要求，保证了系统防御可靠性。有效的提高恶意代码检测准确率的同时有效的控制了系统检测时间的消耗。 | ||
| 搜索关键词： | 基于 深度 学习 多层次 攻击 特征 提取 恶意 行为 识别 方法 | ||
【主权项】：
1.基于深度学习的多层次攻击特征提取及恶意行为识别方法，其特征在于，包括：利用深度学习方法对攻击行为数据库中的恶意代码进行训练，以构建恶意代码的攻击数据模型；基于攻击数据模型对网络层中的待测代码进行处理，得到待测代码的网络层数据特征；对物理层中的待测代码进行特征提取，得到待测代码的物理层数据特征；结合网络层数据特征和物理层数据特征，确定待测代码是否为恶意代码。
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安徽继远软件有限公司;国网信息通信产业集团有限公司;国家电网公司;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;全球能源互联网研究院有限公司;国网信通亿力科技有限责任公司，未经安徽继远软件有限公司;国网信息通信产业集团有限公司;国家电网公司;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;全球能源互联网研究院有限公司;国网信通亿力科技有限责任公司许可，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/patent/201810481076.9/，转载请声明来源钻瓜专利网。
- 上一篇：车辆身份的认证方法及装置
- 下一篇：移动终端的网页直播方法、装置及系统
