[发明专利]一种基于机器学习的WEB应用防火墙的实现方法在审
| 申请号： | 201811480567.8 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109639659A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 王淑娥 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L29/08;G06K9/62 |
| 代理公司： | 四川省成都市天策商标专利事务所 51213 | 代理人： | 郭会 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 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机器学习的WEB应用防火墙的实现方法，所述方法采用单分类模型建立规则的机器学习方法，构造能充分表达白样本的最小模型作为Profile，从而实现异常检测，该方法包括训练阶段和测试阶段；其中，所述训练阶段用于建立单分类模型，所述的测试阶段，对测试样本向量化，再通过计算重建误差作为异常检测的标准。本发明针对当前WEB防火墙规则集合建立的不足问题，采用了单分类的机器学习方法建立模型，动态更新规则库，使得WEB应用防火墙更加智能。 | ||
| 搜索关键词： | 防火墙 测试阶段 分类模型 基于机器 机器学习 训练阶段 异常检测 防火墙规则 测试样本 动态更新 集合建立 建立模型 最小模型 构造能 规则库 向量化 样本 学习 智能 重建 分类 | ||
【主权项】：
1.一种基于机器学习的WEB应用防火墙的实现方法，其特征在于，所述方法采用单分类模型建立规则的机器学习方法，构造能充分表达白样本的最小模型作为Profile，从而实现异常检测，该方法包括训练阶段和测试阶段；其中，所述训练阶段用于建立单分类模型，具体包括以下步骤：S1、通过N‑Gram模型将训练样本的文本数据向量化，得到文本数据训的向量集；S2、降低向量集的维度，对N‑Gram的向量进行聚类，指定的类别数K即为约减后的特征维数，并将约减后的特征向量投入单分类SVM模型中进行Profile训练；S3、采用深度学习中的深度自编码网络模型进行非线性特征约减，通过给定输入的重建误差，判断输入样本是否与Profile相符；所述的测试阶段，对测试样本向量化，再通过计算重建误差作为异常检测的标准。
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四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，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/patent/201811480567.8/，转载请声明来源钻瓜专利网。
- 上一篇：用于电力二次系统运维的防火墙的数据传输方法及装置
- 下一篇：电销外呼管理系统
