摘要
本发明提出的一种网络恶意攻击检测方法、电子设备及存储介质,涉及网络安全技术领域,解决了有效的识别已知和未知的恶意攻击的问题,采用的方案是使用动态污点分析技术对网络数据进行分析,跟踪数据流动路径,构建数据之间的因果关系图;根据因果关系图,跟踪网络数据流动路径,捕捉数据传播过程中潜在的攻击行为;通过动态插桩技术提取网络数据的时空行为模式;获取正常网络数据和恶意攻击数据的行为模式;使用神经网络模型对提取到的行为模式作为特征进行训练,生成能够区分正常数据和攻击数据的分类器;根据分类器,进行实时恶意攻击检测。本方案可有效增强检测系统的鲁棒性,漏警率显著降低,有效的提高了模型的检测精度。
技术关键词
神经网络模型
攻击检测方法
动态插桩技术
动态污点分析
网络拓扑结构
分类器
时间段
标识特征
填充方法
攻击检测模型
插值方法
网络通信数据
模式
节点
时序依赖关系
系统为您推荐了相关专利信息
剩余使用寿命预测
场效应管
时域特征
数据
KPCA算法
视频数据分析方法
关键帧
交通
视频库
卷积神经网络模型
无人驾驶车辆
充电站
自动匹配方法
放电接口
粒子群优化算法