CN109711172A - 数据防护方法及装置 - Google Patents
数据防护方法及装置 Download PDFInfo
- Publication number
- CN109711172A CN109711172A CN201811645578.7A CN201811645578A CN109711172A CN 109711172 A CN109711172 A CN 109711172A CN 201811645578 A CN201811645578 A CN 201811645578A CN 109711172 A CN109711172 A CN 109711172A
- Authority
- CN
- China
- Prior art keywords
- behavior
- call stack
- stack feature
- operation behavior
- default
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000002265 prevention Effects 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 231100001261 hazardous Toxicity 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 402
- 230000006870 function Effects 0.000 claims description 93
- 230000000694 effects Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 127
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
- G06F21/577—Assessing vulnerabilities and evaluating computer system security
Abstract
本发明公开了一种数据防护方法及装置，涉及安全技术领域，主要目的在于能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，从而能够提升终端设备数据的安全性，所述方法包括：捕获未知应用程序对终端设备的操作行为对应的调用栈特征；利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为。本发明适用于数据防护。
Description
技术领域
本发明涉及安全技术领域，特别是涉及一种数据防护方法及装置。
背景技术
随着互联网技术的高速发展，为了方便用户的生活和工作，越来越多的应用程序随之出现并被广泛应用到终端设备上。由于终端设备无法获知应用程序的操作行为是否合法，非法者会利用这一特性窃取终端设备上的数据，造成用户财产损失，因此针对终端设备的数据安全变防护变得越来越重要。
目前，在进行终端设备的数据防护时，通常采用基于白名单文件或者预先分配权限的方式。当采用基于白名单文件进行数据防护时，通常预先设置可信任应用程序的白名单文件，若对终端设备进行操作的应用程序为白名单文件中的应用程序，则确认应用程序的操作行为是合法的，如果有病毒注入到白名单文件中的应用程序进程中，终端设备仍会确认操作行为合法，使得终端设备上的关键文件或者数据被窃取或者加密。当采用预先分配权限的方式时，通常仅针对已知应用程序进行权限分配，然后利用预先分配的权限判别已知应用程序的操作行为是否越权，进而判断终端设备数据是否存在安全威胁。然而，采用上述方式无法判定未知应用程序的操作行为是否合法，使得终端设备数据被非法操作的风险增加，导致终端设备数据的安全性降低，因此，提出一种新的数据防护方式已成为终端设备安全领域亟待解决的技术问题。
发明内容
有鉴于此，本发明提供一种数据防护方法及装置，主要目的在于能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，进而能够提升终端设备数据的安全性。
依据本发明第一方面，提供了一种数据防护方法，包括：
捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
利用所述调用栈特征检测所述操作行为是否为主动行为；
若为主动行为，则确定所述操作行为为安全行为；
若为被动行为，则确定所述操作行为为危险行为。
依据本发明第二方面，提供了一种数据防护装置，包括：
捕获单元，用于捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
检测单元，用于利用所述调用栈特征检测所述操作行为是否为主动行为；
确定单元，用于若所述检测单元检测所述调用栈特征检测所述操作行为为主动行为，则确定所述操作行为为安全行为；
所述确定单元，还用于若所述检测单元检测所述调用栈特征检测所述操作行为为被动行为，则确定所述操作行为为危险行为。
依据本发明第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
利用所述调用栈特征检测所述操作行为是否为主动行为；
若为主动行为，则确定所述操作行为为安全行为；
若为被动行为，则确定所述操作行为为危险行为。
依据本发明第四方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
利用所述调用栈特征检测所述操作行为是否为主动行为；
若为主动行为，则确定所述操作行为为安全行为；
若为被动行为，则确定所述操作行为为危险行为。
本发明提供一种数据防护方法及装置，与目前在进行终端设备的数据防护时，通常采用基于白名单文件或者预先分配权限的方式相比，本发明能够捕获未知应用程序对终端设备的操作行为对应的调用栈特征；并利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为，从而能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，进而能够提升终端设备数据的安全性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种数据防护方法的流程示意图；
图2示出了本发明实施例提供的另一种数据防护方法的流程示意图；
图3示出了本发明实施例提供的一种数据防护装置的结构示意图；
图4示出了本发明实施例提供的另一种数据防护装置的结构示意图；
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如背景技术所述，在进行终端设备的数据防护时，采用基于白名单文件或者预先分配权限的方式无法判定未知应用程序的操作行为是否合法，使得终端设备数据被非法操作的风险增加，导致终端设备数据的安全性降低，因此，提出一种新的数据防护方式已成为终端设备安全领域亟待解决的技术问题。
为了解决上述技术问题，本发明实施例提供了一种数据防护方法，如图1所示，所述方法包括：
101、捕获未知应用程序对终端设备的操作行为对应的调用栈特征。
其中，所述未知应用程序可以为无法获知安全性的应用程序，可以为不属于预设应用程序白名单的应用程序，也可以即不属于预设应用程序白名单的应用程序，也不属于预设应用程序黑名单的应用程序。所述终端设备可以为电脑，笔记本，或者手机等。所述调用栈特征可以为所述未知应用程序执行所述操作行为时调用的系统功能函数接口序列，属于动态内存数据。对于终端设备不同的操作行为对应的调用栈特征不同，同一操作行为在不同场景下对应的调用栈特征也不同。
对于本发明实施例，可以通过进程注入技术把预设捕获模块注入到所述应用程序的进程空间中，然后通过挂钩技术挂钩所述操作行为的系统调用，最后再利用回溯技术对所述系统调用进行回溯的方式，获取所述操作行为对应的调用栈特征。
102、利用所述调用栈特征检测所述操作行为是否为主动行为。若为主动行为，则执行步骤103；若为被动行为，则执行步骤104。
其中，通过所述调用栈特征可以确定操作行为的系统调用方式或者调用规则，所述主动行为可以为通过键盘或者鼠标操作终端设备的行为，所述被动行为可以为通过程序或者函数调用操作终端设备的行为。终端设备系统开发商在开发系统时，通常会设定用户合法使用终端设备的各种操作行为，当用户在合法使用终端设备时，通常会采用键盘或者鼠标点击终端设备，操作行为会按照终端设备的系统设定方式或者调用规则进行系统调用，而病毒或者恶意应用程序在攻击终端设备时，通常会使用程序或者函数调用操作终端设备，所述操作行为会按照病毒或者恶意应用程序开发者设定的方式或者调用规则进行系统调用，与系统设定的系统调用方式或者调用规则不符合。因此，本发明实施例可以通过检测所述调用栈特征对应的调用规则，对所述操作行为进行安全检测。
103、确定所述操作行为为安全行为。
需要说明的是，为了保证用户正常使用终端设备，在确定所述操作行为为安全行为后，可以对所述操作行为进行放行处理。例如，某未知应用程序欲获取终端设备的文件信息，若通过获取文件信息对应的调用栈特征，检测到获取文件信息的操作行为是用户主动点击“文件获取”按钮或者按键触发的，则确定获取文件信息的操作行为为安全行为，并将欲获取的文件信息反馈给用户。
104、确定所述操作行为为危险行为。
对于本发明实施例，为了保证终端设备的安全性，在确定所述操作行为为危险行为后，可以对所述危险行为进行阻止或者拦截处理。例如，终端设备系统设定启动系统菜单的方式为鼠标点击，若通过启动系统菜单对应的调用栈特征检测到启动系统菜单的行为为函数调用操作的，并非鼠标点击操作，则确定启动系统菜单的操作行为为危险行为，并阻止系统菜单启动。
通过本发明实施例提供的一种数据防护方法，与目前在进行终端设备的数据防护时，通常采用基于白名单文件或者预先分配权限的方式相比，能够捕获未知应用程序对终端设备的操作行为对应的调用栈特征；并利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为，从而能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，进而能够提升终端设备数据的安全性。
进一步的，为了更好的说明上述数据防护的过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种数据防护方法，如图2所示，但不限于此，具体如下所示：
201、捕获未知应用程序对终端设备的操作行为对应的调用栈特征。
对于本发明实施例，为了捕获所述调用栈特征，所述步骤201具体可以包括：将预设捕获模块注入到所述未知应用程序的进程中，监控所述操作行为；利用预设挂钩函数对所述终端设备的系统应用层的功能函数进行挂钩，以拦截所述操作行为对应的系统调用；利用预设栈信息回溯函数对所述系统调用进行栈信息回溯，得到所述操作行为对应的调用栈特征。
其中，所述预设捕获模块可以为技术人员根据进程注入技术设置的，所述预设挂钩函数可以为技术人员根据挂钩技术编写的，所述挂钩技术所述预设栈信息回溯函数可以为技术人员根据回溯技术。针对不同的操作行为可以设置不同的捕获模块，所述捕获模块可以为对应的功能动态链接库，或者编写不同的预设挂钩函数，不同的预设栈信息回溯函数，例如，针对打开文件的操作行为，所述预设挂钩函数可以为hook NtCreateFile函数，所述预设栈信息回溯函数可以为RtlCaptureStackBackTrace函数。
202a、检测所述调用栈特征对应的调用规则是否符合预设调用规则。若符合，则执行步骤203；若不符合，则执行步骤204。
其中，所述预设调用规则可以为通过分析终端设备系统的合法操作行为对应的调用栈特征获取的。当通过鼠标或者键盘主动操作终端设备时，操作行为会调用一些系统功能函数或者对应的接口序列，所述预设调用规则可以为所述调用栈特征中存在特定系统功能函数，所述步骤202a具体可以包括：检测所述调用栈特征中是否存在特定系统功能函数；若存在，则确定所述调用栈特征对应的调用规则符合预设调用规则；若不存在，则确定所述调用栈特征对应的调用规则不符合预设调用规则。所述特定系统功能函数可以为消息派发相关的系统功能函数，或者其他主动操作时调用的相关系统功能函数，所述消息派发相关的系统功能函数可以为包括GetMessage函数、TranslateMessage函数、DispatchMessage函数等。所述其他主动操作时调用的系统功能函数可以包括：SHELL32！CDefFolderMenu::InvokeCommand函数、IFileOpenDialog接口相关的函数、IFileSaveDialog接口相关的函数、DragQueryFile接口相关的函数等。
对于本发明实施例，为了提升所述操作行为检测的精确度，所述预设调用规则具体可以为所述调用栈特征中存在特定系统功能函数，并且所述调用栈特征中特定系统功能函数的调用顺序符合预设调用顺序，在检测所述调用栈特征中存在特定系统功能函数后，还可以继续检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序；若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。例如，针对打开文件的操作行为，调用特定系统功能函数的预设调用顺序为：GetMessage函数-TranslateMessage函数、DispatchMessage函数。若通过检测发现，打开文件的行为对应的调用栈特征中特定系统功能函数的调用顺序与上述预设调用顺序不符合，则确定打开文件的操作行为为被动行为，该打开文件的操作行为存在危险。
又或者所述预设调用规则具体可以为所述调用栈特征中存在特定系统功能函数，并且所述调用栈特征中特定系统功能函数所在的栈位置符合预设栈位置，在检测所述调用栈特征中存在特定系统功能函数后，还可以继续检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置；若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。例如，针对打开文件的操作行为，调用GetMessage函数所在的预设栈位置为0x10。若通过检测发现，打开文件的行为对应的调用栈特征中GetMessage函数所在的栈位置为0x08，则确定打开文件的操作行为为被动行为，该打开文件的操作行为存在危险。
需要说明的是，本发明实施例提供了可选的操作行为检测方式，与步骤202a并列的步骤202b，将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为。若是，则执行步骤203；若否，则执行步骤204。
对于本发明实施例，所述步骤202b具体可以包括：将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配；若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值，则确定匹配结果为主动行为；若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值，则确定匹配结果为被动行为。
其中，所述预设机器学习算法可以卷积神经网络算法，所述样本主动行为、所述样本被动行为可以为技术人员根据实际需要选取的，所述样本主动行为对应的调用栈特征，以及样本被动行为对应的调用栈特征捕获方式与待检测的操作行为对应的调用栈特征的捕获方式相同。所述第一预设相似度阈值以及第二预设相似度阈值可以为根据实际情况设置的，本发明实施例在此不做限定。此外，所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度可以用所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的余弦距离或者欧式距离进行衡量。具体地，若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的余弦距离或者欧式距离大于或者等于第一余弦距离或者第一欧式距离，则确定所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值。同理地，所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度可以用所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的余弦距离或者欧式距离进行衡量。具体地，若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的余弦距离或者欧式距离大于或者等于第二余弦距离或者第二欧式距离，则确定所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值。
需要说明的是，为了提升所述操作行为检测的精确度，在匹配结果为主动行为，将所述操作行为确定为主动行为之前，所述方法还可以检测所述未知应用程序的签名是否符合预设签名；若不符合预设签名，则确定所述操作行为为被动行为；若符合预设签名，则确定所述操作行为为主动行为。为了保证终端设备的安全性，终端设备系统开发商会对应用程序进行签名，当应用程序经过系统签名时，说明应用程序针对终端设备的操作行为是允许的，所述预设签名可以为开发商提供的签名列表中的签名，所述签名列表可以保存有不同应用程序以及其分别对应的签名。
203、确定所述操作行为为主动行为，并确定所述操作行为为安全行为。
204、确定所述操作行为为被动行为，并确定所述操作行为为危险行为。
对于本发明实施例，为了进一步提升终端设备的安全性，在步骤204之后，所述方法还可以包括：对所述操作行为进行拦截处理，并将所述未知应用程序添加到预设程序黑名单中。通过将所述未知应用程序添加到预设程序黑名单中，能够实现在下次存在所述操作行为时及时进行拦截。
此外，为了不断丰富训练的预设行为识别模型，提升操作行为检测的精确度，可以通过云端动态训练预设行为模型，在确定所述操作行为为被动行为后，还可以将所述操作行为确定为样本被动行为并上传给所述云端，使得云端根据新接收的样本被动行为动态训练所述预设行为识别模型。
通过本发明实施例的提供另一种数据防护方法，与目前在进行终端设备的数据防护时，通常采用基于白名单文件或者预先分配权限的方式相比，能够捕获未知应用程序对终端设备的操作行为对应的调用栈特征；并利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为，从而能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，进而能够提升终端设备数据的安全性。
进一步地，作为图1的具体实现，本发明实施例提供了一种数据防护装置，如图3所示，所述装置包括：捕获单元31、检测单元32、确定单元33。
所述捕获单元31，可以用于捕获未知应用程序对终端设备的操作行为对应的调用栈特征。所述捕获单元31是本装置中捕获未知应用程序对终端设备的操作行为对应的调用栈特征的功能模块。所述调用栈特征可以为所述未知应用程序执行所述操作行为时调用的系统功能函数接口序列，属于动态内存数据。对于终端设备不同的操作行为对应的调用栈特征不同，同一操作行为在不同场景下对应的调用栈特征也不同。
所述检测单元32，可以用于利用所述调用栈特征检测所述操作行为是否为主动行为。所述检测单元32是本装置中利用所述调用栈特征检测所述操作行为是否为主动行为的功能模块，也是核心模块。具体地，可以利用所述调用栈特征对应的调用规则检测所述操作行为是否为主动行为，或者利用调用栈特征和预设行为识别模型检测所述操作行为是否为主动行为。
所述确定单元33，可以用于若所述检测单元32检测所述调用栈特征检测所述操作行为为主动行为，则确定所述操作行为为安全行为。所述确定单元33是本装置中若所述检测单元32检测所述调用栈特征检测所述操作行为为主动行为，则确定所述操作行为为安全行为的功能模块。为了保证用户正常使用终端设备，在确定所述操作行为为安全行为后，可以对所述操作行为进行放行处理。
所述确定单元33，还可以用于若所述检测单元32检测所述调用栈特征检测所述操作行为为被动行为，则确定所述操作行为为危险行为。所述确定单元33还是本装置中若所述检测单元32检测所述调用栈特征检测所述操作行为为被动行为，则确定所述操作行为为危险行为的功能模块。为了保证终端设备的安全性，在确定所述操作行为为危险行为后，可以对所述危险行为进行阻止或者拦截处理。
对于本发明实施例，为了实现利用所述调用栈特征所述操作行为是否为主动行为，所述检测单元32可以包括：检测模块321和确定模块322，如图4所示。
所述检测模块321，可以用于检测所述调用栈特征对应的调用规则是否符合预设调用规则。所述预设调用规则可以为通过分析终端设备系统的合法操作行为对应的调用栈特征获取的。
所述确定模块322，可以用于若所述检测模块321检测所述调用栈特征对应的调用规则符合预设调用规则，则确定所述操作行为为主动行为。
所述确定模块322，可以用于若所述检测模块检测所述调用栈特征对应的调用规则不符合预设调用规则，则确定所述操作行为为被动行为。
在具体应用场景中，所述预设调用规则可以为所述调用栈特征中存在特定系统功能函数，所述检测模块321可以包括：检测子模块和确定子模块。
所述检测子模块，可以用于检测所述调用栈特征中是否存在特定系统功能函数。
所述确定子模块，可以用于若所述检测子模块检测所述调用栈特征中存在特定系统功能函数，则确定所述调用栈特征对应的调用规则符合预设调用规则。
所述确定子模块，还可以用于若所述检测子模块检测所述调用栈特征中不存在特定系统功能函数，则确定所述调用栈特征对应的调用规则不符合预设调用规则。
为了进一步提升所述操作行为检测的精确度，所述检测子模块，还用于检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序。
所述确定子模块，具体可以用于若所述检测子模块检测所述调用栈特征中特定系统功能函数的调用顺序不符合预设调用顺序，则确定所述调用栈特征对应的调用规则不符合预设调用规则。
所述确定子模块，具体还可以用于若所述检测子模块检测所述调用栈特征中特定系统功能函数的调用顺序符合预设调用顺序，则确定所述调用栈特征对应的调用规则符合预设调用规则。
此外，为了进一步提升所述操作行为检测的精确度，所述检测子模块，还可以用于检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序。
所述确定子模块，具体可以用于若所述检测子模块检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定子模块，具体还可以用于若所述检测子模块检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置，则确定所述调用栈特征对应的调用规则符合预设调用规则。
在本发明实施例中，还可以通过所述操作行为对应的调用栈特征和预设行为识别模型，确定所述操作行为是否为主动行为，所述检测单元32还可以包括：匹配模块和第二确定模块。
所述匹配模块，可以用于将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，所述预设行为识别模型为利用预设机器学习算法对样本主动行为、样本被动行为及其分别对应的调用栈特征训练得到的。
所述第二确定模块，可以用于若所述匹配模块匹配的匹配结果为主动行为，则确定所述操作行为为主动行为。
所述第二确定模块，还可以用于若所述匹配模块匹配的匹配结果为被动行为，则确定所述操作行为为被动行为。
在具体应用场景中，所述匹配模块，具体可以用于若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值，则确定匹配结果为主动行为；若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值，则确定匹配结果为被动行为。
为了进一步提升利用预设行为识别模型对操作行为安全检测的准确性，所述检测模块321，还可以用于检测所述未知应用程序的签名是否符合预设签名。
所述第二确定模块，具体可以用于若所述检测模块321预设签名，则确定所述操作行为为被动行为；
所述第二确定模块，具体还可以用于若所述检测模块321为预设签名，则确定所述操作行为为主动行为。
在具体应用场景中，为了捕获未知应用程序对终端设备的操作行为对应的调用栈特征，所述捕获单元31可以包括：监控模块311、挂钩模块312和回溯模块313。
所述监控模块311，可以用于将预设捕获模块注入到所述未知应用程序的进程中，监控所述操作行为。
所述挂钩模块312，可以用于利用预设挂钩函数对所述终端设备的系统应用层的功能函数进行挂钩，以拦截所述操作行为对应的系统调用；
所述回溯模块313，可以用于利用预设栈信息回溯函数对所述系统调用进行栈信息回溯，得到所述操作行为对应的调用栈特征。
对于本发明实施例，为了保证终端设备数据的安全性，所述装置还可以包括：处理单元34。
所述处理单元34，可以用于对所述操作行为进行拦截处理，并将所述未知应用程序添加到预设程序黑名单中。所述处理单元34是本装置中对所述操作行为进行拦截处理，并将所述未知应用程序添加到预设程序黑名单中的功能模块。
需要说明的是，本发明实施例提供的一种数据防护装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：捕获未知应用程序对终端设备的操作行为对应的调用栈特征；利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为。
基于上述如图1所示方法和如图3所示数据防护装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：捕获未知应用程序对终端设备的操作行为对应的调用栈特征；利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为。该设备还包括：总线43，被配置为耦接处理器41及存储器42。
通过本发明的技术方案，能够捕获未知应用程序对终端设备的操作行为对应的调用栈特征；并利用所述调用栈特征检测所述操作行为是否为主动行为；若为主动行为，则确定所述操作行为为安全行为；若为被动行为，则确定所述操作行为为危险行为，从而能够实现对未知应用程序的操作行为进行安全检测，降低终端设备数据被非法操作的风险，进而能够提升终端设备数据的安全性。
本发明实施例还提供如下技术方案：
A1、一种数据防护方法，包括：
捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
利用所述调用栈特征检测所述操作行为是否为主动行为；
若为主动行为，则确定所述操作行为为安全行为；
若为被动行为，则确定所述操作行为为危险行为。
A2、如A1所述的方法，所述利用所述操作行为对应的调用栈特征检测所述操作行为是否为主动行为，包括：
检测所述调用栈特征对应的调用规则是否符合预设调用规则；
若符合，则确定所述操作行为为主动行为；
若不符合，则确定所述操作行为为被动行为。
A3、如A2所述的方法，所述检测所述调用栈特征对应的调用规则是否符合预设调用规则，包括：
检测所述调用栈特征中是否存在特定系统功能函数；
若存在，则确定所述调用栈特征对应的调用规则符合预设调用规则；
若不存在，则确定所述调用栈特征对应的调用规则不符合预设调用规则。
A4、如A3所述的方法，所述确定所述调用栈特征对应的调用规则符合预设调用规则之前，所述方法还包括：
检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序；
若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定所述调用栈特征对应的调用规则符合预设调用规则，包括：
若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。
A5、如A3所述的方法，所述确定所述调用栈特征对应的调用规则符合预设调用规则之前，所述方法还包括：
检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置；
若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定所述调用栈特征对应的调用规则符合预设调用规则，包括：
若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。
A6、如A1所述的方法，所述利用所述调用栈特征检测所述操作行为是否为主动行为，包括：
将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，所述预设行为识别模型为利用预设机器学习算法对样本主动行为、样本被动行为及其分别对应的调用栈特征训练得到的；
若匹配结果为主动行为，则确定所述操作行为为主动行为；
若匹配结果为被动行为，则确定所述操作行为为被动行为。
A7、如A6所述的方法，所述将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，包括：
将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配；
若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值，则确定匹配结果为主动行为；
若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值，则确定匹配结果为被动行为。
A7、如A6所述的方法，所述确定所述操作行为为主动行为之前，所述方法还包括：
检测所述未知应用程序的签名是否符合预设签名；
若不符合预设签名，则确定所述操作行为为被动行为；
所述确定所述操作行为为主动行为，包括：
若符合预设签名，则确定所述操作行为为主动行为。
A9、如A1-A8任一项所述的方法，所述捕获未知应用程序对终端设备的操作行为对应的调用栈特征，包括：
将预设捕获模块注入到所述未知应用程序的进程中，监控所述操作行为；
利用预设挂钩函数对所述终端设备的系统应用层的功能函数进行挂钩，以拦截所述操作行为对应的系统调用；
利用预设栈信息回溯函数对所述系统调用进行栈信息回溯，得到所述操作行为对应的调用栈特征。
A10、如A1-A8任一项所述的方法，所述确定所述操作行为为危险行为之后，所述方法还包括：
对所述操作行为进行拦截处理，并将所述未知应用程序添加到预设程序黑名单中。
B11、一种数据防护装置，包括：
捕获单元，用于捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
检测单元，用于利用所述调用栈特征检测所述操作行为是否为主动行为；
确定单元，用于若所述检测单元检测所述调用栈特征检测所述操作行为为主动行为，则确定所述操作行为为安全行为；
所述确定单元，还用于若所述检测单元检测所述调用栈特征检测所述操作行为为被动行为，则确定所述操作行为为危险行为。
B12、如B11所述的装置，所述检测单元包括：
检测模块，用于检测所述调用栈特征对应的调用规则是否符合预设调用规则；
第一确定模块，用于若所述检测模块检测所述调用栈特征对应的调用规则符合预设调用规则，则确定所述操作行为为主动行为；
所述第一确定模块，用于若所述检测模块检测所述调用栈特征对应的调用规则不符合预设调用规则，则确定所述操作行为为被动行为。
B13、如B12所述的装置，所述检测模块包括：
检测子模块，用于检测所述调用栈特征中是否存在特定系统功能函数；
确定子模块，用于若所述检测子模块检测所述调用栈特征中存在特定系统功能函数，则确定所述调用栈特征对应的调用规则符合预设调用规则；
所述确定子模块，还用于若所述检测子模块检测所述调用栈特征中不存在特定系统功能函数，则确定所述调用栈特征对应的调用规则不符合预设调用规则。
B14、如B13所述的装置，
所述检测子模块，还用于检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序；
所述确定子模块，具体用于若所述检测子模块元检测所述调用栈特征中特定系统功能函数的调用顺序不符合预设调用顺序，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定子模块，具体还用于若所述检测子模块检测所述调用栈特征中特定系统功能函数的调用顺序符合预设调用顺序，则确定所述调用栈特征对应的调用规则符合预设调用规则。
B15、如B13所述的装置，
所述检测子模块，还用于检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序；
所述确定子模块，具体用于若所述检测子模块检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定子模块，具体还用于若所述检测子模块检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置，则确定所述调用栈特征对应的调用规则符合预设调用规则。
B16、如B11所述的装置，所述检测单元包括：
匹配模块，用于将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，所述预设行为识别模型为利用预设机器学习算法对样本主动行为、样本被动行为及其分别对应的调用栈特征训练得到的；
第二确定模块，用于若所述匹配模块匹配的匹配结果为主动行为，则确定所述操作行为为主动行为；
所述第二确定模块，还用于若所述匹配模块匹配的匹配结果为被动行为，则确定所述操作行为为被动行为。
B17、如B11所述的装置，
所述匹配模块，具体用于若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值，则确定匹配结果为主动行为；若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值，则确定匹配结果为被动行为。
B18、如B16所述的装置，所述检测单元还包括：检测模块，
所述检测模块，用于检测所述未知应用程序的签名是否符合预设签名；
所述第二确定模块，具体用于若所述检测模块并非预设签名，则确定所述操作行为为被动行为；
所述第二确定模块，具体还用于若所述检测模块为预设签名，则确定所述操作行为为主动行为。
B19、如B11-B18任一项所述的装置，所述捕获单元包括：
监控模块，用于将预设捕获模块注入到所述未知应用程序的进程中，监控所述操作行为；
挂钩模块，用于利用预设挂钩函数对所述终端设备的系统应用层的功能函数进行挂钩，以拦截所述操作行为对应的系统调用；
回溯模块，用于利用预设栈信息回溯函数对所述系统调用进行栈信息回溯，得到所述操作行为对应的调用栈特征。
B20、如B11-B18任一项所述的装置，所述装置还包括：
处理单元，用于对所述操作行为进行拦截处理，并将所述未知应用程序添加到预设程序黑名单中。
C21、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求A1至A10中任一项所述的方法的步骤。
D22、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求A1至A10中任一项所述方法的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的数据防护装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种数据防护方法，其特征在于，包括：
捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
利用所述调用栈特征检测所述操作行为是否为主动行为；
若为主动行为，则确定所述操作行为为安全行为；
若为被动行为，则确定所述操作行为为危险行为。
2.根据权利要求1所述的方法，其特征在于，所述利用所述操作行为对应的调用栈特征检测所述操作行为是否为主动行为，包括：
检测所述调用栈特征对应的调用规则是否符合预设调用规则；
若符合，则确定所述操作行为为主动行为；
若不符合，则确定所述操作行为为被动行为。
3.根据权利要求2所述的方法，其特征在于，所述检测所述调用栈特征对应的调用规则是否符合预设调用规则，包括：
检测所述调用栈特征中是否存在特定系统功能函数；
若存在，则确定所述调用栈特征对应的调用规则符合预设调用规则；
若不存在，则确定所述调用栈特征对应的调用规则不符合预设调用规则。
4.根据权利要求3所述的方法，其特征在于，所述确定所述调用栈特征对应的调用规则符合预设调用规则之前，所述方法还包括：
检测所述调用栈特征中特定系统功能函数的调用顺序是否符合预设调用顺序；
若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定所述调用栈特征对应的调用规则符合预设调用规则，包括：
若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。
5.根据权利要求3所述的方法，其特征在于，所述确定所述调用栈特征对应的调用规则符合预设调用规则之前，所述方法还包括：
检测所述调用栈特征中特定系统功能函数所在的栈位置是否符合预设栈位置；
若不符合，则确定所述调用栈特征对应的调用规则不符合预设调用规则；
所述确定所述调用栈特征对应的调用规则符合预设调用规则，包括：
若符合，则确定所述调用栈特征对应的调用规则符合预设调用规则。
6.根据权利要求1所述的方法，其特征在于，所述利用所述调用栈特征检测所述操作行为是否为主动行为，包括：
将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，所述预设行为识别模型为利用预设机器学习算法对样本主动行为、样本被动行为及其分别对应的调用栈特征训练得到的；
若匹配结果为主动行为，则确定所述操作行为为主动行为；
若匹配结果为被动行为，则确定所述操作行为为被动行为。
7.根据权利要求6所述的方法，其特征在于，所述将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配，以判断所述操作行为是否为主动行为，包括：
将所述操作行为对应的调用栈特征输入到预设行为识别模型中进行匹配；
若所述操作行为对应的调用栈特征与所述样本主动行为对应的调用栈特征之间的相似度大于或者等于第一预设相似度阈值，则确定匹配结果为主动行为；
若所述操作行为对应的调用栈特征与所述样本被动行为对应的调用栈特征之间的相似度大于或者等于第二预设相似度阈值，则确定匹配结果为被动行为。
8.一种数据防护装置，其特征在于，包括：
捕获单元，用于捕获未知应用程序对终端设备的操作行为对应的调用栈特征；
检测单元，用于利用所述调用栈特征检测所述操作行为是否为主动行为；
确定单元，用于若所述检测单元检测所述调用栈特征检测所述操作行为为主动行为，则确定所述操作行为为安全行为；
所述确定单元，还用于若所述检测单元检测所述调用栈特征检测所述操作行为为被动行为，则确定所述操作行为为危险行为。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810668277X | 2018-06-26 | ||
| CN201810668277.XA CN108846287A (zh) | 2018-06-26 | 2018-06-26 | 一种检测漏洞攻击的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109711172A true CN109711172A (zh) | 2019-05-03 |
Family
ID=64202031
Family Applications (10)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810668277.XA Pending CN108846287A (zh) | 2018-05-04 | 2018-06-26 | 一种检测漏洞攻击的方法及装置 |
| CN201811645578.7A Pending CN109711172A (zh) | 2018-06-26 | 2018-12-29 | 数据防护方法及装置 |
| CN201811645681.1A Pending CN109766698A (zh) | 2018-06-26 | 2018-12-29 | 数据防护方法及装置 |
| CN201811640471.3A Active CN109753806B (zh) | 2018-06-26 | 2018-12-29 | 服务器防护方法及装置 |
| CN201811640481.7A Active CN109711168B (zh) | 2018-06-26 | 2018-12-29 | 基于行为的服务识别方法、装置、设备及可读存储介质 |
| CN201811646131.1A Active CN109766701B (zh) | 2018-06-26 | 2018-12-29 | 针对异常进程结束操作的处理方法、装置、及电子装置 |
| CN201811640753.3A Pending CN109829309A (zh) | 2018-06-26 | 2018-12-29 | 终端设备系统防护方法及装置 |
| CN201811640526.0A Pending CN109726560A (zh) | 2018-06-26 | 2018-12-29 | 终端设备系统防护方法及装置 |
| CN201811640643.7A Pending CN109829307A (zh) | 2018-06-26 | 2018-12-29 | 进程行为识别方法及装置 |
| CN201811640231.3A Active CN109871691B (zh) | 2018-06-26 | 2018-12-29 | 基于权限的进程管理方法、系统、设备及可读存储介质 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810668277.XA Pending CN108846287A (zh) | 2018-05-04 | 2018-06-26 | 一种检测漏洞攻击的方法及装置 |
Family Applications After (8)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811645681.1A Pending CN109766698A (zh) | 2018-06-26 | 2018-12-29 | 数据防护方法及装置 |
| CN201811640471.3A Active CN109753806B (zh) | 2018-06-26 | 2018-12-29 | 服务器防护方法及装置 |
| CN201811640481.7A Active CN109711168B (zh) | 2018-06-26 | 2018-12-29 | 基于行为的服务识别方法、装置、设备及可读存储介质 |
| CN201811646131.1A Active CN109766701B (zh) | 2018-06-26 | 2018-12-29 | 针对异常进程结束操作的处理方法、装置、及电子装置 |
| CN201811640753.3A Pending CN109829309A (zh) | 2018-06-26 | 2018-12-29 | 终端设备系统防护方法及装置 |
| CN201811640526.0A Pending CN109726560A (zh) | 2018-06-26 | 2018-12-29 | 终端设备系统防护方法及装置 |
| CN201811640643.7A Pending CN109829307A (zh) | 2018-06-26 | 2018-12-29 | 进程行为识别方法及装置 |
| CN201811640231.3A Active CN109871691B (zh) | 2018-06-26 | 2018-12-29 | 基于权限的进程管理方法、系统、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (10) | CN108846287A (zh) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711166B (zh) * | 2018-12-17 | 2020-12-11 | 北京知道创宇信息技术股份有限公司 | 漏洞检测方法及装置 |
| CN109558730B (zh) * | 2018-12-29 | 2020-10-16 | 360企业安全技术(珠海)有限公司 | 一种浏览器的安全防护方法及装置 |
| CN109800576B (zh) * | 2018-12-29 | 2021-07-23 | 360企业安全技术(珠海)有限公司 | 未知程序异常请求的监控方法、装置、及电子装置 |
| CN112395585B (zh) * | 2019-08-15 | 2023-01-06 | 奇安信安全技术(珠海)有限公司 | 数据库服务登录方法、装置、设备及可读存储介质 |
| CN112395604B (zh) * | 2019-08-15 | 2022-09-30 | 奇安信安全技术(珠海)有限公司 | 系统监控登录防护方法、客户端、服务端、及存储介质 |
| CN112398789A (zh) * | 2019-08-15 | 2021-02-23 | 奇安信安全技术(珠海)有限公司 | 远程登录的控制方法及装置、系统、存储介质、电子装置 |
| CN112398784B (zh) * | 2019-08-15 | 2023-01-06 | 奇安信安全技术(珠海)有限公司 | 防御漏洞攻击的方法及装置、存储介质、计算机设备 |
| CN112398787B (zh) * | 2019-08-15 | 2022-09-30 | 奇安信安全技术(珠海)有限公司 | 邮箱登录验证的方法、装置、计算机设备及存储介质 |
| CN112395617A (zh) * | 2019-08-15 | 2021-02-23 | 奇安信安全技术(珠海)有限公司 | 防护docker逃逸漏洞的方法、装置、存储介质及计算机设备 |
| CN110610086B (zh) * | 2019-08-30 | 2021-06-18 | 北京卓识网安技术股份有限公司 | 非法代码识别方法、系统、装置及存储介质 |
| WO2021046811A1 (zh) * | 2019-09-12 | 2021-03-18 | 奇安信安全技术(珠海)有限公司 | 一种攻击行为的判定方法、装置及计算机存储介质 |
| CN110505247B (zh) * | 2019-09-27 | 2022-05-17 | 百度在线网络技术（北京）有限公司 | 攻击检测方法、装置、电子设备及存储介质 |
| CN111209559B (zh) * | 2019-12-23 | 2022-02-15 | 东软集团股份有限公司 | 应用程序的权限处理方法、装置、存储介质和电子设备 |
| CN111046377B (zh) * | 2019-12-25 | 2023-11-14 | 五八同城信息技术有限公司 | 加载动态链接库的方法、装置、电子设备及存储介质 |
| CN111382076B (zh) * | 2020-03-10 | 2023-04-25 | 抖音视界有限公司 | 应用程序的测试方法、装置、电子设备及计算机存储介质 |
| CN111884884B (zh) * | 2020-07-31 | 2022-05-31 | 北京明朝万达科技股份有限公司 | 监控文件传输的方法、系统及装置 |
| CN111859405A (zh) * | 2020-07-31 | 2020-10-30 | 深信服科技股份有限公司 | 一种威胁免疫框架、方法、设备及可读存储介质 |
| CN112069505B (zh) * | 2020-09-15 | 2021-11-23 | 北京微步在线科技有限公司 | 一种审计信息处理方法及电子设备 |
| US20220083644A1 (en) * | 2020-09-16 | 2022-03-17 | Cisco Technology, Inc. | Security policies for software call stacks |
| CN112910868A (zh) * | 2021-01-21 | 2021-06-04 | 平安信托有限责任公司 | 企业网络安全管理方法、装置、计算机设备及存储介质 |
| CN113392416B (zh) * | 2021-06-28 | 2024-03-22 | 北京恒安嘉新安全技术有限公司 | 获取应用程序加解密数据的方法、装置、设备及存储介质 |
| CN113742726A (zh) * | 2021-08-27 | 2021-12-03 | 恒安嘉新（北京）科技股份公司 | 程序识别模型训练和程序识别方法、装置、设备及介质 |
| CN113779561B (zh) * | 2021-09-09 | 2024-03-01 | 安天科技集团股份有限公司 | 内核漏洞处理方法、装置、存储介质及电子设备 |
| CN115051905A (zh) * | 2022-07-19 | 2022-09-13 | 广东泓胜科技股份有限公司 | 一种端口安全监控分析方法、装置及相关设备 |
| CN116707929A (zh) * | 2023-06-16 | 2023-09-05 | 广州市玄武无线科技股份有限公司 | 基于调用栈信息获取的手机拍照造假检测方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150220707A1 (en) * | 2014-02-04 | 2015-08-06 | Pegasus Media Security, Llc | System and process for monitoring malicious access of protected content |
| CN105335654A (zh) * | 2014-06-27 | 2016-02-17 | 北京金山安全软件有限公司 | 一种Android恶意程序检测和处理方法、装置及设备 |
| CN105678168A (zh) * | 2015-12-29 | 2016-06-15 | 北京神州绿盟信息安全科技股份有限公司 | 一种基于栈异常的shellcode检测方法及装置 |
| CN105956462A (zh) * | 2016-06-29 | 2016-09-21 | 北京金山安全软件有限公司 | 一种阻止恶意加载驱动的方法、装置及电子设备 |
| CN107358071A (zh) * | 2017-06-07 | 2017-11-17 | 武汉斗鱼网络科技有限公司 | 防止Flash应用程序中函数非法调用的方法及装置 |
Family Cites Families (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7093239B1 (en) * | 2000-07-14 | 2006-08-15 | Internet Security Systems, Inc. | Computer immune system and method for detecting unwanted code in a computer system |
| US7546587B2 (en) * | 2004-03-01 | 2009-06-09 | Microsoft Corporation | Run-time call stack verification |
| US7891000B1 (en) * | 2005-08-05 | 2011-02-15 | Cisco Technology, Inc. | Methods and apparatus for monitoring and reporting network activity of applications on a group of host computers |
| KR100843701B1 (ko) * | 2006-11-07 | 2008-07-04 | 소프트캠프(주) | 콜 스택에 기록된 정보를 이용한 에이피아이 확인방법 |
| CN101059829A (zh) * | 2007-05-16 | 2007-10-24 | 珠海金山软件股份有限公司 | 一种自动分析进程风险等级的装置和方法 |
| US8117424B2 (en) * | 2007-09-21 | 2012-02-14 | Siemens Industry, Inc. | Systems, devices, and/or methods for managing programmable logic controller processing |
| CN101373501B (zh) * | 2008-05-12 | 2010-06-02 | 公安部第三研究所 | 针对计算机病毒的动态行为捕获方法 |
| CN101286995B (zh) * | 2008-05-23 | 2010-12-08 | 北京锐安科技有限公司 | 一种远程控制方法和远程控制系统 |
| US9110801B2 (en) * | 2009-02-10 | 2015-08-18 | International Business Machines Corporation | Resource integrity during partial backout of application updates |
| CN101753377B (zh) * | 2009-12-29 | 2011-11-09 | 吉林大学 | 一种p2p_botnet实时检测方法及系统 |
| CN103136472B (zh) * | 2011-11-29 | 2016-08-31 | 腾讯科技（深圳）有限公司 | 一种防应用程序窃取隐私的方法及移动设备 |
| CN102546624A (zh) * | 2011-12-26 | 2012-07-04 | 西北工业大学 | 一种网络多路入侵检测防御方法及系统 |
| CN103368904B (zh) * | 2012-03-27 | 2016-12-28 | 百度在线网络技术（北京）有限公司 | 移动终端、可疑行为检测及判定系统和方法 |
| US10037212B2 (en) * | 2012-04-20 | 2018-07-31 | Nxp Usa, Inc. | Information processing device and method for protecting data in a call stack |
| CN102750475B (zh) * | 2012-06-07 | 2017-08-15 | 中国电子科技集团公司第三十研究所 | 基于虚拟机内外视图交叉比对恶意代码行为检测方法及系统 |
| CN103778375B (zh) * | 2012-10-24 | 2017-11-17 | 腾讯科技（深圳）有限公司 | 防止用户设备加载非法的动态链接库文件的装置和方法 |
| US8990944B1 (en) * | 2013-02-23 | 2015-03-24 | Fireeye, Inc. | Systems and methods for automatically detecting backdoors |
| US9558347B2 (en) * | 2013-08-27 | 2017-01-31 | Globalfoundries Inc. | Detecting anomalous user behavior using generative models of user actions |
| CN103631712B (zh) * | 2013-10-23 | 2016-03-02 | 北京信息控制研究所 | 一种基于内存管理的模式化软件关键行为跟踪方法 |
| CN103761472B (zh) * | 2014-02-21 | 2017-05-24 | 北京奇虎科技有限公司 | 基于智能终端设备的应用程序访问方法与装置 |
| US9652328B2 (en) * | 2014-05-12 | 2017-05-16 | International Business Machines Corporation | Restoring an application from a system dump file |
| CN104268471B (zh) * | 2014-09-10 | 2017-04-26 | 珠海市君天电子科技有限公司 | 一种检测面向返程的编程攻击的方法及装置 |
| US9721112B2 (en) * | 2014-09-29 | 2017-08-01 | Airwatch Llc | Passive compliance violation notifications |
| JP6334069B2 (ja) * | 2014-11-25 | 2018-05-30 | エンサイロ リミテッドｅｎＳｉｌｏ Ｌｔｄ． | 悪意のあるコードの検出の精度保証のためのシステムおよび方法 |
| CN104484599B (zh) * | 2014-12-16 | 2017-12-12 | 北京奇虎科技有限公司 | 一种基于应用程序的行为处理方法和装置 |
| US10614210B2 (en) * | 2015-07-31 | 2020-04-07 | Digital Guardian, Inc. | Systems and methods of protecting data from injected malware |
| CN105224862B (zh) * | 2015-09-25 | 2018-03-27 | 北京北信源软件股份有限公司 | 一种office剪切板的拦截方法及装置 |
| CN105279432B (zh) * | 2015-10-12 | 2018-11-23 | 北京金山安全软件有限公司 | 一种软件监控处理方法以及装置 |
| WO2017166037A1 (zh) * | 2016-03-29 | 2017-10-05 | 深圳投之家金融信息服务有限公司 | 一种数据篡改的检测装置及方法 |
| CN107330320B (zh) * | 2016-04-29 | 2020-06-05 | 腾讯科技（深圳）有限公司 | 应用进程监控的方法和装置 |
| US9807104B1 (en) * | 2016-04-29 | 2017-10-31 | STEALTHbits Technologies, Inc. | Systems and methods for detecting and blocking malicious network activity |
| CN106203092B (zh) * | 2016-06-30 | 2019-12-10 | 珠海豹趣科技有限公司 | 一种拦截恶意程序关机的方法、装置及电子设备 |
| CN106201811B (zh) * | 2016-07-06 | 2019-03-26 | 青岛海信宽带多媒体技术有限公司 | 应用程序的故障恢复方法和终端 |
| CN106411588B (zh) * | 2016-09-29 | 2019-10-25 | 锐捷网络股份有限公司 | 一种网络设备管理方法、主设备及管理服务器 |
| CN107959595B (zh) * | 2016-10-14 | 2020-10-27 | 腾讯科技（深圳）有限公司 | 一种异常检测的方法、装置及系统 |
| CN108171056A (zh) * | 2016-12-08 | 2018-06-15 | 武汉安天信息技术有限责任公司 | 一种自动化判定样本恶意性的检测方法和装置 |
| CN106708734B (zh) * | 2016-12-13 | 2020-01-10 | 腾讯科技（深圳）有限公司 | 软件异常检测方法及装置 |
| CN108280346B (zh) * | 2017-01-05 | 2022-05-31 | 腾讯科技（深圳）有限公司 | 一种应用防护监控方法、装置以及系统 |
| CN106991324B (zh) * | 2017-03-30 | 2020-02-14 | 兴华永恒（北京）科技有限责任公司 | 一种基于内存保护类型监控的恶意代码跟踪识别方法 |
| CN107704356B (zh) * | 2017-06-12 | 2019-06-28 | 平安科技（深圳）有限公司 | 异常堆栈信息获取方法、装置及计算机可读存储介质 |
| CN107483274A (zh) * | 2017-09-25 | 2017-12-15 | 北京全域医疗技术有限公司 | 服务项目运行状态监控方法及装置 |
| CN108052431A (zh) * | 2017-12-08 | 2018-05-18 | 北京奇虎科技有限公司 | 终端程序异常关闭信息处理方法、装置、终端 |
-
2018
- 2018-06-26 CN CN201810668277.XA patent/CN108846287A/zh active Pending
- 2018-12-29 CN CN201811645578.7A patent/CN109711172A/zh active Pending
- 2018-12-29 CN CN201811645681.1A patent/CN109766698A/zh active Pending
- 2018-12-29 CN CN201811640471.3A patent/CN109753806B/zh active Active
- 2018-12-29 CN CN201811640481.7A patent/CN109711168B/zh active Active
- 2018-12-29 CN CN201811646131.1A patent/CN109766701B/zh active Active
- 2018-12-29 CN CN201811640753.3A patent/CN109829309A/zh active Pending
- 2018-12-29 CN CN201811640526.0A patent/CN109726560A/zh active Pending
- 2018-12-29 CN CN201811640643.7A patent/CN109829307A/zh active Pending
- 2018-12-29 CN CN201811640231.3A patent/CN109871691B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150220707A1 (en) * | 2014-02-04 | 2015-08-06 | Pegasus Media Security, Llc | System and process for monitoring malicious access of protected content |
| CN105335654A (zh) * | 2014-06-27 | 2016-02-17 | 北京金山安全软件有限公司 | 一种Android恶意程序检测和处理方法、装置及设备 |
| CN105678168A (zh) * | 2015-12-29 | 2016-06-15 | 北京神州绿盟信息安全科技股份有限公司 | 一种基于栈异常的shellcode检测方法及装置 |
| CN105956462A (zh) * | 2016-06-29 | 2016-09-21 | 北京金山安全软件有限公司 | 一种阻止恶意加载驱动的方法、装置及电子设备 |
| CN107358071A (zh) * | 2017-06-07 | 2017-11-17 | 武汉斗鱼网络科技有限公司 | 防止Flash应用程序中函数非法调用的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109711168A (zh) | 2019-05-03 |
| CN109753806A (zh) | 2019-05-14 |
| CN109871691B (zh) | 2021-07-20 |
| CN108846287A (zh) | 2018-11-20 |
| CN109829307A (zh) | 2019-05-31 |
| CN109766701B (zh) | 2021-04-27 |
| CN109753806B (zh) | 2024-01-19 |
| CN109711168B (zh) | 2021-01-15 |
| CN109829309A (zh) | 2019-05-31 |
| CN109871691A (zh) | 2019-06-11 |
| CN109726560A (zh) | 2019-05-07 |
| CN109766698A (zh) | 2019-05-17 |
| CN109766701A (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711172A (zh) | 数据防护方法及装置 | |
| KR102017756B1 (ko) | 이상행위 탐지 장치 및 방법 | |
| CN106156619B (zh) | 应用安全防护方法及装置 | |
| US9977897B2 (en) | System and method for detecting stack pivot programming exploit | |
| US11055168B2 (en) | Unexpected event detection during execution of an application | |
| CN104361285B (zh) | 移动设备应用程序的安全检测方法及装置 | |
| Chaba et al. | Malware detection approach for android systems using system call logs | |
| US20190147163A1 (en) | Inferential exploit attempt detection | |
| CN108763951B (zh) | 一种数据的保护方法及装置 | |
| CN112632531A (zh) | 恶意代码的识别方法、装置、计算机设备及介质 | |
| CN102722672B (zh) | 一种检测运行环境真实性的方法及装置 | |
| CN105303100A (zh) | 应用程序启动的验证方法及装置 | |
| CN111447167B (zh) | 车载系统安全防护方法及装置 | |
| CN111435391A (zh) | 自动确定gui中待交互的交互式gui元素的方法和设备 | |
| CN106709335B (zh) | 漏洞检测方法和装置 | |
| CN106650439A (zh) | 检测可疑应用程序的方法及装置 | |
| CN112395603B (zh) | 基于指令执行序列特征的漏洞攻击识别方法、装置及计算机设备 | |
| CN108319850A (zh) | 沙箱检测的方法、沙箱系统和沙箱设备 | |
| CN108509796B (zh) | 一种风险性的检测方法及服务器 | |
| CN113672933A (zh) | 一种鸿蒙安全漏洞检测方法和系统 | |
| CN107273168B (zh) | 一种应用安装方法、移动终端和计算机可读存储介质 | |
| CN105608374B (zh) | 虚拟机逃逸的检测方法及装置 | |
| Kim et al. | Detection and Blocking Method against DLL Injection Attack Using PEB-LDR of ICS EWS in Smart IoT Environments | |
| US11314855B2 (en) | Detecting stack pivots using stack artifact verification | |
| CN115987753A (zh) | 一种告警数据的过滤方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 519085 No. 501, 601, building 14, kechuangyuan, Gangwan No. 1, Jintang Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province Applicant after: Qianxin Safety Technology (Zhuhai) Co.,Ltd. Applicant after: Qianxin Technology Group Co.,Ltd. Address before: 519085 No. 501, 601, building 14, kechuangyuan, Gangwan No. 1, Jintang Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province Applicant before: 360 ENTERPRISE SECURITY TECHNOLOGY (ZHUHAI) Co.,Ltd. Applicant before: BEIJING QIANXIN TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
| RJ01 | Rejection of invention patent application after publication |