摘要
本发明公开了一种基于多维度特征的数据库恶意行为检测与阻断方法及系统,实时采集性能指标数据,对性能指标数据依次进行平滑处理和归一化处理构建时间序列特征向量;对网络流量数据进行解析和特征提取,得到异常连接模式特征向量;将采集到的多维度特征向量输入到改进型因子分解机中,利用MFB池化技术进行特征交叉和降维处理,得到降维特征向量;将降维特征向量输入由XGBoost决策树模型和DRL模型组成的双模协同检测机制中,输出动态风险检测结果;基于动态风险检测结果中的风险等级启动分级阻断策略;本发明实现了特征提取、风险评级、分级阻断的闭环防护,具备自适应阈值调整与批量检测加速能力,确保数据库服务的连续性与高效性。
技术关键词
决策树模型
阻断方法
性能指标数据
模式特征向量
网络流量数据
风险
UDP数据包
滑动窗口机制
网络边界
多因子认证
高维特征向量
阻断设备
XGBoost模型
粒子
动态
双线性
识别网络流量
位置更新
系统为您推荐了相关专利信息
损伤预测方法
机器学习模型
非晶涂层
X射线三维成像系统
超参数
智能体神经网络
防护方法
网络入侵检测
网络流量数据集
特征选择
网络节点
信息管理方法
网络安全数据
网络流量数据
网络通信
甲基化标志物
预测乳腺癌
构建机器学习模型
数据输入模块
LightGBM模型