CN110135166B - 一种针对业务逻辑漏洞攻击的检测方法及系统 - Google Patents

一种针对业务逻辑漏洞攻击的检测方法及系统 Download PDF

Info

Publication number
CN110135166B
CN110135166B CN201910380376.2A CN201910380376A CN110135166B CN 110135166 B CN110135166 B CN 110135166B CN 201910380376 A CN201910380376 A CN 201910380376A CN 110135166 B CN110135166 B CN 110135166B
Authority
CN
China
Prior art keywords
service
attack
log
service log
acquiring
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.)
Active
Application number
CN201910380376.2A
Other languages
English (en)
Other versions
CN110135166A (zh
Inventor
姜强
周学龙
孟庆飞
王志伟
冯琨
梁科海
武锦程
李晨曦
顿壮壮
邱佑军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Guoshun Technology Co ltd
Original Assignee
Beijing Guoshun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Guoshun Technology Co ltd filed Critical Beijing Guoshun Technology Co ltd
Priority to CN201910380376.2A priority Critical patent/CN110135166B/zh
Publication of CN110135166A publication Critical patent/CN110135166A/zh
Application granted granted Critical
Publication of CN110135166B publication Critical patent/CN110135166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1433—Vulnerability analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明实施例提供一种针对业务逻辑漏洞攻击的检测方法及系统，其中，所提供的方法包括：获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。本发明实施例提供的方法及系统，采用收集业务系统的业务日志，通过对业务日志进行智能识别，实现基于业务日志检测业务逻辑漏洞的攻击行为，相比于源代码层面对业务逻辑漏洞攻击检测类系统，业务逻辑漏洞日志分析的误报率更低，能更准确的识别攻击，减少人工的工作量。

Description

一种针对业务逻辑漏洞攻击的检测方法及系统
技术领域
本发明涉及计算机安全技术领域，尤其涉及一种针对业务逻辑漏洞攻击的检测方法及系统。
背景技术
由于业务发展迅速，应用的版本迭代不断加快，开发人员开发水平不一，设计开发时对业务存在的安全问题考虑不深，导致一些逻辑分支不能正常处理或处理错误，出现业务逻辑漏洞。
目前业务逻辑类漏洞的检测手段主要有在源代码检测阶段检测源代码是否存在业务逻辑漏洞，系统上线前或运维中对系统进行渗透测试来发现存在的业务逻辑漏洞，进而整改业务系统中存在的业务逻辑漏洞。
现有技术中，目在源代码层面对业务逻辑漏洞进行方法和检测，无法感知系统运维阶段的业务攻击行为，同时源代码层面对业务逻辑漏洞的攻击检测过程中，识别成功率并不理想，且需要大量的人工来对业务逻辑漏洞进行检测识别，识别效率低下。
发明内容
为解决上述现有技术中存在的问题，本发明实施例提供一种针对业务逻辑漏洞攻击的检测方法及系统。
第一方面，本发明实施例提供一种针对业务逻辑漏洞攻击的检测方法，包括：
获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；
将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
其中，所述获取所述业务日志对应的识别结果具体包括：若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断获得攻击者对所述业务系统的攻击方式及以及所述攻击方式对应的业务逻辑漏洞。
其中，所述判断所述获得攻击者对所述业务系统的攻击方式及以及所述攻击方式对应的业务逻辑漏洞之后的步骤，具体包括：根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
其中，所述业务逻辑攻击识别模型具体为训练后的神经网络或训练后的基于机器学习的模型。
其中，所述方法还包括：获取若干标注识别结果的业务日志作为训练样本集，通过所述训练样本集对所述神经网络或基于机器学习的模型进行训练。
第二方面，本发明实施例提供一种针对业务逻辑漏洞攻击的检测系统，包括：
日志处理模块，用于获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；
识别模块，用于将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
其中，所述系统还包括：攻击源查询模块，若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断所述业务系统受到的业务逻辑漏洞类型。
其中，所述系统还包括：应对模块，用于根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
第三方面，本发明实施例提供一种电子设备，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如上述第一方面所提供的针对业务逻辑漏洞攻击的检测方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所提供的针对业务逻辑漏洞攻击的检测方法的步骤。
本发明实施例提供的方法及系统，采用收集业务系统的业务日志，通过对业务日志进行智能识别，实现基于业务日志检测业务逻辑漏洞的攻击行为，相比于源代码层面对业务逻辑漏洞攻击检测类系统，业务逻辑漏洞日志分析的误报率更低，能更准确的识别攻击，减少人工的工作量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的针对业务逻辑漏洞攻击的检测方法的流程示意图；
图2为本发明一实施例提供的针对业务逻辑漏洞攻击的检测系统的结构示意图；
图3为本发一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考图1，图1为本发明一实施例提供的针对业务逻辑漏洞攻击的检测方法的流程示意图，所提供的方法包括：
S1，获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息。
S2，将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
具体的，首先通过大数据技术，采集业务系统生成的业务日志，在获取了业务日志后，通过将日志进行处理，生成业务日志对应的待识别信息，其中，生成的待识别信息的格式满足预设的业务逻辑攻击识别模型的输入数据格式要求。
在获取了业务日志对应的待识别信息后，将该向量输入到预设的业务逻辑攻击识别模型中，获得业务逻辑攻击识别模型的识别结果，其中，识别包括未受攻击和受到攻击，当识别结果为受到攻击时，则发出业务逻辑漏洞攻击警报。
通过此方法，采用收集业务系统的业务日志，通过对业务日志进行智能识别，实现基于业务日志检测业务逻辑漏洞的攻击行为，相比于源代码层面对业务逻辑漏洞攻击检测类系统，业务逻辑漏洞日志分析的误报率更低，能更准确的识别攻击，减少人工的工作量。
在上述实施例的基础上，所述获取所述业务日志对应的识别结果具体包括：若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断获得攻击者对所述业务系统的攻击方式及以及所述攻击方式对应的业务逻辑漏洞。
所述判断获得攻击者对所述业务系统的攻击方式及以及所述攻击方式对应的业务逻辑漏洞之后的步骤，具体包括：根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
具体的，当识别到业务系统遭到攻击者通过业务逻辑漏洞进行攻击时，会继续根据业务日志对攻击的业务逻辑漏洞进行追查，进而识别到攻击者是通过哪一个业务逻辑漏洞发起攻击，同时获取攻击者发起攻击的方式。在根据业务逻辑漏洞的类型，进而根据业务逻辑漏洞的类型，匹配相应的攻击应对策略，从而防范针对业务逻辑漏洞的攻击行为。
进一步的，在对攻击进行防范的同时，还会对攻击源头进行追溯，根据业务日志发现攻击源，并识别威胁账户，进而在攻击者源头对业务逻辑漏洞攻击进行防范。
在上述实施例的基础上，所述业务逻辑攻击识别模型具体为训练后的神经网络或训练后的基于机器学习的模型。
所述方法还包括：获取若干标注识别结果的业务日志作为训练样本集，通过所述训练样本集对所述神经网络或支持向量机进行训练。
具体的，本发明实施例中，预设的业务逻辑攻击识别模型，可以是训练后的支持向量机，也可以是训练完成的神经网络，支持向量机(Support Vector Machine,SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类(binary class ification)的广义线性分类器(general ized l inear class ifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。人工神经网络(Artificial NeuralNetworks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connect ion Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
本申请中，通过采用基于机器学习的模型或神经网络，采用对应的训练样本集对基于机器学习的模型或神经网络进行训练，从而构建业务逻辑攻击识别模型，其中，在构建训练样本集的过程中，需要分析分析业务场景中存在的威胁，含有哪些安全风险点需要分析和防范，再根据业务场景的源代码中的信息实现流程进行分析，了解业务场景的实现逻辑及针对业务逻辑漏洞的安全防护方式。
基于源代码分析得到的业务场景实现逻辑及信息流转方式，并结合业务系统生成的日志，在通过对生成的日志进行标注，进而构建训练样本集，再通过构建好的训练样本集对神经网络或基于机器学习的模型进行训练，进而构建业务逻辑攻击识别模型，检测业务逻辑漏洞攻击行为。
综上所述，本发明实施例提供的方法，通过获取业务系统的业务日志，对业务日志进行分类识别，来检测业务系统是否受到攻击，当业务系统受到攻击时，对攻击源头进行封堵，同时提供相应的策略来防范业务逻辑漏洞攻击。相比于源代码层面对业务逻辑漏洞检测类系统，业务逻辑漏洞日志分析的准确性更高，同时通过机器学习、深度学习等人工智能技术手段检测业务系统业务逻辑漏洞攻击行为，降低了人工成本，提升了攻击检测效率。
参考图2，图2为本发明一实施例提供的针对业务逻辑漏洞攻击的检测系统的结构示意图，所提供的系统包括：日志处理模块21和识别模块22。
其中，日志处理模块21用于获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息。
识别模块22用于将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
具体的，首先通过大数据技术，采集业务系统生成的业务日志，在获取了业务日志后，通过将日志进行处理，生成业务日志对应的待识别信息，其中，生成的待识别信息的格式满足预设的业务逻辑攻击识别模型的输入数据格式要求。
在获取了业务日志对应的待识别信息后，将该向量输入到预设的业务逻辑攻击识别模型中，获得业务逻辑攻击识别模型的识别结果，其中，识别包括未受攻击和受到攻击，当识别结果为受到攻击时，则发出业务逻辑漏洞攻击警报。
通过此系统，采用收集业务系统的业务日志，通过对业务日志进行智能识别，实现基于业务日志检测业务逻辑漏洞的攻击行为，相比于源代码层面对业务逻辑漏洞攻击检测类系统，业务逻辑漏洞日志分析的误报率更低，能更准确的识别攻击，减少人工的工作量。
在上述实施例的基础上，所述系统还包括：攻击源查询模块，若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断所述业务系统受到的业务逻辑漏洞类型。
所述系统还包括：应对模块，用于根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
具体的当识别到业务系统遭到攻击者通过业务逻辑漏洞进行攻击时，会继续根据业务日志对攻击的业务逻辑漏洞进行追查，进而识别到攻击者是通过哪一个业务逻辑漏洞发起攻击。进而根据业务逻辑漏洞的类型，匹配相应的攻击应对策略，从而防范针对业务逻辑漏洞的攻击行为。
进一步的，在对攻击进行防范的同时，还会对攻击源头进行追溯，根据业务日志发现攻击源，并识别威胁账户，进而在攻击者源头对业务逻辑漏洞攻击进行防范。
图3示例了一种电子设备的结构示意图，如图3所示，该服务器可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和总线340，其中，处理器310，通信接口320，存储器330通过总线340完成相互间的通信。通信接口340可以用于服务器与智能电视之间的信息传输。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
本实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种针对业务逻辑漏洞攻击的检测方法，其特征在于，包括：
获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；其中，所述待识别信息的格式满足预设的业务逻辑攻击识别模型的输入数据格式要求；
将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果；
其中，所述获取所述业务日志对应的识别结果具体包括：若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断获得攻击者对所述业务系统的攻击方式以及所述攻击方式对应的业务逻辑漏洞；
所述业务逻辑攻击识别模型具体为训练后的神经网络或训练后的基于机器学习的模型；
所述检测方法还包括：获取若干标注识别结果的业务日志作为训练样本集，通过所述训练样本集对所述神经网络或基于机器学习的模型进行训练；
其中，构建所述训练样本集的过程包括：分析业务场景中存在的威胁；分析和防范安全风险点；再根据业务场景的源代码中的信息实现流程进行分析；基于所述源代码分析得到的业务场景实现逻辑及信息流转方式，结合业务系统生成的日志，对生成的日志进行标注，从而构建所述训练样本集。
2.根据权利要求1所述的业务逻辑漏洞攻击的检测方法，其特征在于，所述判断获得攻击者对所述业务系统的攻击方式以及所述攻击方式对应的业务逻辑漏洞之后的步骤，具体包括：
根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
3.一种针对业务逻辑漏洞攻击的检测系统，其特征在于，包括：
日志处理模块，用于获取业务系统生成的业务日志，对所述业务日志进行预处理，获取所述业务日志对应的待识别信息；
识别模块，用于将所述业务日志对应的待识别信息输入到预设的业务逻辑攻击识别模型中，获取所述业务日志对应的识别结果；
其中，所述日志处理模块还用于：若判断获知所述业务日志对应的识别结果为受到攻击，则根据所述业务日志对应的识别结果，判断获得攻击者对所述业务系统的攻击方式以及所述攻击方式对应的业务逻辑漏洞；
所述业务逻辑攻击识别模型具体为训练后的神经网络或训练后的基于机器学习的模型；
所述系统还用于：获取若干标注识别结果的业务日志作为训练样本集，通过所述训练样本集对所述神经网络或基于机器学习的模型进行训练。
4.根据权利要求3所述的针对业务逻辑漏洞攻击的检测系统，其特征在于，所述系统还包括：应对模块，用于根据所述业务日志，对所述业务日志对应的攻击账户进行识别，并根据所述业务逻辑漏洞类型，匹配相应的攻击应对策略。
5.一种电子设备，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程序时实现如权利要求1至2任一项所述针对业务逻辑漏洞攻击的检测方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至2任一项所述针对业务逻辑漏洞攻击的检测方法的步骤。
CN201910380376.2A 2019-05-08 2019-05-08 一种针对业务逻辑漏洞攻击的检测方法及系统 Active CN110135166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910380376.2A CN110135166B (zh) 2019-05-08 2019-05-08 一种针对业务逻辑漏洞攻击的检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910380376.2A CN110135166B (zh) 2019-05-08 2019-05-08 一种针对业务逻辑漏洞攻击的检测方法及系统

Publications (2)

Publication Number Publication Date
CN110135166A CN110135166A (zh) 2019-08-16
CN110135166B true CN110135166B (zh) 2021-03-30

Family

ID=67576698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910380376.2A Active CN110135166B (zh) 2019-05-08 2019-05-08 一种针对业务逻辑漏洞攻击的检测方法及系统

Country Status (1)

Country Link
CN (1) CN110135166B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113632432B (zh) * 2019-09-12 2023-09-19 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
CN111767543B (zh) * 2020-06-15 2024-04-05 招商银行股份有限公司 重放攻击漏洞确定方法、装置、设备及可读存储介质
CN111741004B (zh) * 2020-06-24 2022-05-27 中国银行股份有限公司 一种网络安全态势感知的方法和相关装置
CN111881460B (zh) * 2020-08-06 2024-04-09 深信服科技股份有限公司 一种漏洞利用检测方法、系统、设备及计算机存储介质
CN111949994A (zh) * 2020-08-19 2020-11-17 北京紫光展锐通信技术有限公司 漏洞分析方法及系统、电子设备及存储介质
CN112671741B (zh) * 2020-12-16 2022-10-18 平安普惠企业管理有限公司 一种网络防护的方法、装置、终端及存储介质
CN114840853B (zh) * 2021-06-16 2023-04-28 三人行传媒集团股份有限公司 基于大数据的数字化业务分析方法及云服务器

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370008A (zh) * 2007-08-13 2009-02-18 杭州安恒信息技术有限公司 Sql注入web攻击的实时入侵检测系统
CN103023710A (zh) * 2011-09-21 2013-04-03 阿里巴巴集团控股有限公司 一种安全测试系统和方法
CN104144063A (zh) * 2013-05-08 2014-11-12 朱烨 基于日志分析和防火墙安全矩阵的网站安全监控报警系统
CN104767757A (zh) * 2015-04-17 2015-07-08 国家电网公司 基于web业务的多维度安全监测方法和系统
CN105024987A (zh) * 2014-04-30 2015-11-04 中国移动通信集团设计院有限公司 一种web业务日志的监测方法和装置
CN105357195A (zh) * 2015-10-30 2016-02-24 深圳市深信服电子科技有限公司 web访问的越权漏洞检测方法及装置
CN107438079A (zh) * 2017-08-18 2017-12-05 杭州安恒信息技术有限公司 一种网站未知异常行为的检测方法
CN107844290A (zh) * 2017-11-21 2018-03-27 北京思源互联科技有限公司 基于数据流安全威胁分析的软件产品设计方法及装置
CN107896218A (zh) * 2017-11-29 2018-04-10 郑州云海信息技术有限公司 一种自动化检测验证码回传逻辑漏洞的方法及系统
CN108763470A (zh) * 2018-05-29 2018-11-06 北京白山耘科技有限公司 一种通过文本信息检测危险信息的方法及装置
CN108833365A (zh) * 2018-05-24 2018-11-16 杭州默安科技有限公司 一种基于流量的业务逻辑漏洞检测方法及其系统
CN108833348A (zh) * 2018-05-08 2018-11-16 北京奇艺世纪科技有限公司 一种基于日志图建模的异常检测方法和装置
CN109670307A (zh) * 2018-12-04 2019-04-23 成都知道创宇信息技术有限公司 一种基于cnn和海量日志的sql注入识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8756411B2 (en) * 2010-12-06 2014-06-17 Siemens Aktiengesellschaft Application layer security proxy for automation and control system networks
CN103077045B (zh) * 2012-12-14 2016-05-11 北京思特奇信息技术股份有限公司 一种构建xml脚本流程引擎的方法
US20160379136A1 (en) * 2015-06-26 2016-12-29 Qualcomm Incorporated Methods and Systems for Automatic Extraction of Behavioral Features from Mobile Applications
US10147049B2 (en) * 2015-08-31 2018-12-04 International Business Machines Corporation Automatic generation of training data for anomaly detection using other user's data samples
CN108108986B (zh) * 2017-12-29 2020-10-09 广州市玄武无线科技股份有限公司 一种客户关系管理系统的设计方法、装置及电子设备
CN109102023A (zh) * 2018-08-14 2018-12-28 阿里巴巴集团控股有限公司 一种分类模型生成方法及装置、一种数据识别方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370008A (zh) * 2007-08-13 2009-02-18 杭州安恒信息技术有限公司 Sql注入web攻击的实时入侵检测系统
CN103023710A (zh) * 2011-09-21 2013-04-03 阿里巴巴集团控股有限公司 一种安全测试系统和方法
CN104144063A (zh) * 2013-05-08 2014-11-12 朱烨 基于日志分析和防火墙安全矩阵的网站安全监控报警系统
CN105024987A (zh) * 2014-04-30 2015-11-04 中国移动通信集团设计院有限公司 一种web业务日志的监测方法和装置
CN104767757A (zh) * 2015-04-17 2015-07-08 国家电网公司 基于web业务的多维度安全监测方法和系统
CN105357195A (zh) * 2015-10-30 2016-02-24 深圳市深信服电子科技有限公司 web访问的越权漏洞检测方法及装置
CN107438079A (zh) * 2017-08-18 2017-12-05 杭州安恒信息技术有限公司 一种网站未知异常行为的检测方法
CN107844290A (zh) * 2017-11-21 2018-03-27 北京思源互联科技有限公司 基于数据流安全威胁分析的软件产品设计方法及装置
CN107896218A (zh) * 2017-11-29 2018-04-10 郑州云海信息技术有限公司 一种自动化检测验证码回传逻辑漏洞的方法及系统
CN108833348A (zh) * 2018-05-08 2018-11-16 北京奇艺世纪科技有限公司 一种基于日志图建模的异常检测方法和装置
CN108833365A (zh) * 2018-05-24 2018-11-16 杭州默安科技有限公司 一种基于流量的业务逻辑漏洞检测方法及其系统
CN108763470A (zh) * 2018-05-29 2018-11-06 北京白山耘科技有限公司 一种通过文本信息检测危险信息的方法及装置
CN109670307A (zh) * 2018-12-04 2019-04-23 成都知道创宇信息技术有限公司 一种基于cnn和海量日志的sql注入识别方法

Also Published As

Publication number Publication date
CN110135166A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110135166B (zh) 一种针对业务逻辑漏洞攻击的检测方法及系统
Su et al. Lightweight classification of IoT malware based on image recognition
US20210051169A1 (en) Thwarting model poisoning in federated learning
US11620384B2 (en) Independent malware detection architecture
CN108881265B (zh) 一种基于人工智能的网络攻击检测方法及系统
US9923912B2 (en) Learning detector of malicious network traffic from weak labels
CN108881263B (zh) 一种网络攻击结果检测方法及系统
GB2585616A (en) Using gradients to detect backdoors in neural networks
TW202123052A (zh) 防止隱私資料洩漏的編碼模型訓練方法及裝置
US20230274003A1 (en) Identifying and correcting vulnerabilities in machine learning models
CN112528284B (zh) 恶意程序的检测方法及装置、存储介质、电子设备
US20240250963A1 (en) Unsupervised gan-based intrusion detection system using temporal convolutional networks, self-attention, and transformers
CN111538929B (zh) 网络链接识别方法、装置、存储介质及电子设备
US11163877B2 (en) Method, server, and computer storage medium for identifying virus-containing files
US11551137B1 (en) Machine learning adversarial campaign mitigation on a computing device
CN103136476A (zh) 移动智能终端恶意软件分析系统
CN110912882A (zh) 一种基于智能算法的入侵检测方法及系统
CN111049783A (zh) 一种网络攻击的检测方法、装置、设备及存储介质
CN110119621B (zh) 异常系统调用的攻击防御方法、系统及防御装置
US20220180130A1 (en) Error determination apparatus, error determination method and program
CN111723370A (zh) 一种容器恶意行为检测的方法和设备
CN111125728A (zh) 一种治理数据库安全问题的方法、装置及治理设备
CN114638356B (zh) 一种静态权重引导的深度神经网络后门检测方法及系统
CN113361455B (zh) 人脸鉴伪模型的训练方法、相关装置及计算机程序产品
CN115529145B (zh) 网络安全入侵检测与防护系统及方法

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
GR01 Patent grant
GR01 Patent grant