摘要
本发明公开了一种基于深度学习的互联网数据服务安全监测方法及系统,涉及互联网数据服务安全监测技术领域,包括采集API接口的请求日志,提取请求日志的访问特征,构建API访问特征序列,按照用户维度聚合,划分为固定时长的访问片段;构建图神经网络模型,将访问片段中的API调用关系映射为图结构,通过图卷积运算提取API调用链的上下文特征,生成API访问模式向量,进行密度评估,计算当前访问行为与历史正常访问模式的偏离程度;当偏离程度超过动态阈值时,则判定存在异常访问行为,输出认证绕过攻击告警。本发明通过构建从访问行为采集、语义提取、异常识别到告警反馈,提升互联网数据服务的安全监测。
技术关键词
互联网数据服务
访问特征
监测方法
卷积网络模型
上下文特征
模式
序列
神经网络模型
日志
高斯混合模型
认证令牌
滑动窗口机制
输出告警信息
接口节点
动态
时序
切片方法
特征提取模块
增量更新
应用服务器
系统为您推荐了相关专利信息
健康监测装置
破碎机
排线插座
健康监测方法
预测误差
动态监测方法
偏振态
融合算法
穆勒矩阵
多光谱成像系统
局部细节特征
追踪方法
无迹卡尔曼滤波
高层语义特征
上下文特征