CN115964701A - 应用安全检测方法、装置、存储介质及电子设备 - Google Patents
应用安全检测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115964701A CN115964701A CN202211600867.1A CN202211600867A CN115964701A CN 115964701 A CN115964701 A CN 115964701A CN 202211600867 A CN202211600867 A CN 202211600867A CN 115964701 A CN115964701 A CN 115964701A
- Authority
- CN
- China
- Prior art keywords
- attack
- attack type
- type
- related information
- sample
- 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
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本公开是关于一种应用安全检测方法、装置、存储介质及电子设备,涉及计算机技术领域,该方法包括:先采集应用程序的运行相关信息,利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型,基于运行相关信息对应的日志记录信息,确定日志记录信息中包括的多个行为是否与第一攻击类型相匹配,基于匹配结果对应的处理策略,对应用程序运行的响应内容进行拦截。这样,通过对应的日志记录信息与识别得到的攻击类型匹配,基于匹配结果来确定对应的处理策略,一定程度上降低对新型攻击和威胁的漏报和误报,从而可以提高系统内运行程序的安全防护能力。
Description
背景技术
随着新一代信息技术的发展,网络攻击事件层出不穷,网络攻击手段日益多样化、新颖化、复杂化,零日漏洞(zero-day)频频爆出,网络安全遭受着重大威胁,而云原生时代的到来使得传统的防御边界已不复存在;而运行时应用程序自我保护(Runtimeapplication self-protection,RASP)作为一种新型安全防护技术,可以实时检测和阻断攻击。但传统的RASP依然采用的是基于规则匹配的方式,但此种方式在面对新型攻击和威胁时已显得捉襟见肘,导致系统不安全,应用自我防护领域亟需一种精准有效的防护方式。
需要说明的是,在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为克服相关技术中存在的问题,本公开提供一种应用安全检测方法、装置、存储介质及电子设备,以至少解决相关技术中面对新型攻击和威胁时已显得捉襟见肘,导致系统不安全的问题。
根据本公开的一个方面,提供一种应用安全检测方法,该方法包括:
采集应用程序的运行相关信息;
利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;
基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
可选的,在所述确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配之后,还包括:
若匹配,则将所述第一攻击类型和所述第一攻击类型包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库;
若不匹配,则根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中,包括:
基于所述运行相关信息对应的时间点,获取所述时间点对应的日志补集记录信息;
确定所述日志补集记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
若匹配,则将所述第一攻击类型作为所述校准后的攻击类型;若不匹配,则基于所述日志补集记录信息中包括的多个行为生成所述校准后的攻击类型;
将所述校准后的攻击类型和包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述方法还包括:
获取样本运行信息以及所述样本运行信息对应的样本攻击类型;
将所述样本运行信息和所述样本攻击类型作为一个训练样本对;
利用训练样本对对所述攻击识别融合模型进行迭代训练,以获取对所述样本运行信息的识别结果符合所述样本攻击类型的所述预训练的攻击识别融合模型;所述攻击识别融合模型是由至少一个深度学习网络和至少一个机器学习模型组成的。
可选的,所述方法还包括:
将所述预设数据库中存储的所述第二攻击类型与所述样本攻击类型对比,获取重复的攻击类型作为第三攻击类型;
确定所述第三攻击类型在所述预设数据库存储的所述第二攻击类型中所占的重复比例;
当所述重复比例小于预设比例阈值时,将所述预设数据库中除所述第三攻击类型之外的所述第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对所述攻击识别融合模型进行迭代训练,以获取更新后的所述预训练的攻击识别融合模型。
可选的,所述攻击识别融合模型包括第一攻击识别模型和第二攻击识别模型,所述利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型,包括:
利用预训练的第一攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第一概率值,利用预训练的第二攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第二概率值;
针对每一攻击类型,根据预设识别概率计算公式对所述第一概率值和所述第二概率值计算,将计算得到概率值最大的攻击类型作为所述运行相关信息中包含的第一攻击类型。
可选的,所述基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截,包括:
若匹配,则按照对应的第一处理策略拦截所述应用程序与所述攻击行为相关的响应内容;
若不匹配,则按照对应的第二处理策略拦截所述应用程序运行的所有响应内容。
根据本公开的一个方面,提供一种应用安全检测装置,该装置包括:
采集模块,用于采集应用程序的运行相关信息;
识别模块,用于利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;
第一确定模块,用于基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
拦截模块,用于基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
可选的,在所述确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配之后,所示装置还包括:
存储模块,用于若匹配,则将所述第一攻击类型和所述第一攻击类型包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库;若不匹配,则根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述存储模块,还用于:
基于所述运行相关信息对应的时间点,获取所述时间点对应的日志补集记录信息;
确定所述日志补集记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
若匹配,则将所述第一攻击类型作为所述校准后的攻击类型;若不匹配,则基于所述日志补集记录信息中包括的多个行为生成所述校准后的攻击类型;
将所述校准后的攻击类型和包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述装置还包括:
第一获取模块,用于获取样本运行信息以及所述样本运行信息对应的样本攻击类型;
第二确定模块,用于将所述样本运行信息和所述样本攻击类型作为一个训练样本对;
训练模块,用于利用训练样本对对所述攻击识别融合模型进行迭代训练,以获取对所述样本运行信息的识别结果符合所述样本攻击类型的所述预训练的攻击识别融合模型;所述攻击识别融合模型是由至少一个深度学习网络和至少一个机器学习模型组成的。
可选的,所述装置还包括:
第二获取模块,用于将所述预设数据库中存储的所述第二攻击类型与所述样本攻击类型对比,获取重复的攻击类型作为第三攻击类型;
第三确定模块,用于确定所述第三攻击类型在所述预设数据库存储的所述第二攻击类型中所占的重复比例;
添加模块,用于当所述重复比例小于预设比例阈值时,将所述预设数据库中除所述第三攻击类型之外的所述第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对所述攻击识别融合模型进行迭代训练,以获取更新后的所述预训练的攻击识别融合模型。
可选的,所述攻击识别融合模型包括第一攻击识别模型和第二攻击识别模型,所述识别模块,还用于:
利用预训练的第一攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第一概率值,利用预训练的第二攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第二概率值;
针对每一攻击类型,根据预设识别概率计算公式对所述第一概率值和所述第二概率值计算,将计算得到概率值最大的攻击类型作为所述运行相关信息中包含的第一攻击类型。
可选的,所述拦截模块,还用于:
若匹配,则按照对应的第一处理策略拦截所述应用程序与所述攻击行为相关的响应内容;
若不匹配,则按照对应的第二处理策略拦截所述应用程序运行的所有响应内容。
根据本公开的一个方面,提供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上述任意一项所述的应用安全检测方法。
根据本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的应用安全检测方法。
综上所述,本发明实施例提供的应用安全检测方法,可以先采集应用程序的运行相关信息,利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型,攻击识别融合模型包括至少两个不同类型的攻击识别模型,预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的,基于运行相关信息对应的日志记录信息,确定日志记录信息中包括的多个行为是否与第一攻击类型相匹配,基于匹配结果对应的处理策略,对应用程序运行的响应内容进行拦截。这样,通过不同类型的攻击识别模型来识别运行相关信息中包含的攻击类型,可以提高攻击类型识别的准确度,并且,通过对应的日志记录信息与识别得到的攻击类型匹配,基于匹配结果来确定对应的处理策略,可以一定程度上降低对新型攻击和威胁的漏报和误报,从而可以提高系统内运行程序的安全防护能力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示意性示出本公开实施例提供的一种应用安全检测方法的步骤流程图;
图2示意性示出本公开实施例提供的一种识别第一攻击类型的步骤流程图;
图3示意性示出本公开实施例提供的一种根据匹配结果存储数据库的步骤流程图;
图4示意性示出本公开实施例提供的一种将校准后的攻击类型存储数据库的步骤流程图;
图5示意性示出本公开实施例提供的一种训练攻击识别融合模型的步骤流程图;
图6示意性示出本公开实施例提供的一种对应用程序的响应内容拦截的步骤流程图;
图7示意性示出本公开实施例提供的一种应用安全检测流程图;
图8示意性示出本公开实施例提供的一种应用安全检测装置的框图;
图9示意性示出本公开实施例提供的一种用于实现上述应用安全检测方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1是本公开实施例提供的一种应用安全检测方法的步骤流程图,如图1所示,该方法可以包括:
步骤S101、采集应用程序的运行相关信息。
本公开实施例中,可以是通过在应用程序上预先设置的代理点(Agent)来采集应用程序运行时的运行相关信息,具体的,该代理点可以是利用插桩技术设置在应用程序中,当需要获取应用程序的运行相关信息时,可以启动该代理点,通过该代理点获取应用程序在运行过程中的相关信息。其中,运行相关信息可以包括应用程序接收数据的时间、接收信息、处理内容、发送数据的时间以及发送数据等等信息。示例的,可以通过在应用程序中的预设进程节点处设置hook点,该预设进程节点可以是应用程序中的关键函数、输入参数等预先设置的关键位置,利用该hook点来监控应用程序的实时运行,采集应用程序的运行相关信息。
步骤S102、利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的。
本公开实施例中,攻击识别融合模型可以是由至少两个攻击识别模型组成的,该攻击识别融合模型可以是利用样本运行信息对至少两个攻击识别模型预先训练得到的,通过不断的迭代训练,使得至少两个攻击识别模型可以学习到根据输入的运行信息正确识别对应的攻击类型的能力。其中,攻击识别模型可以是机器学习模型,也可以是深度学习模型,相应地,攻击识别融合模型可以是由至少两个不同类型的攻击识别模型组成的,攻击识别融合模型可以至少包括机器学习模型和深度学习模型。预训练的攻击识别融合模型可以是通过预设数据库中存储的第二攻击类型更新得到的。利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型,可以是利用预训练的至少两个攻击识别融合模型分别识别运行相关信息中包含的攻击类型,奖盖共计类型作为第一攻击类型。
步骤S103、基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配。
本公开实施例中,由于系统中的日志会记录系统在每一时刻运行的内容,包括应用程序在系统中的运行内容,因此,可以根据应用程序在各个时刻的运行相关信息,确定对应的相同时刻日志记录信息,再根据日志记录信息中包括的各个操作行为,确定日志记录信息中包括的操作行为与第一攻击类型所表征的行为是否匹配。
步骤S104、基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
本公开实施例中,若匹配结果为日志记录信息中包括的操作行为与第一攻击类型所表征的行为是相同的,则可以根据匹配成功所对应的处理策略对应用程序运行的响应内容进行拦截,若匹配结果为日志记录信息中包括的操作行为与第一攻击类型所表征的行为是不同的,则可以根据匹配失败所对应的处理策略对应用程序运行的响应内容进行拦截,其中,不同匹配结果对应的处理策略可以是不同的,对应用程序运行的响应内容进行拦截可以包括拦截应用程序运行的部分响应内容和拦截应用程序运行的全部响应内容。
综上所述,本发明实施例提供的应用安全检测方法,可以先采集应用程序的运行相关信息,利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型,攻击识别融合模型包括至少两个不同类型的攻击识别模型,预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的,基于运行相关信息对应的日志记录信息,确定日志记录信息中包括的多个行为是否与第一攻击类型相匹配,基于匹配结果对应的处理策略,对应用程序运行的响应内容进行拦截。这样,通过不同类型的攻击识别模型来识别运行相关信息中包含的攻击类型,可以提高攻击类型识别的准确度,并且,通过对应的日志记录信息与识别得到的攻击类型匹配,基于匹配结果来确定对应的处理策略,可以一定程度上降低对新型攻击和威胁的漏报和误报,从而可以提高系统内运行程序的安全防护能力。
可选的,本公开实施例中攻击识别融合模型可以包括第一攻击识别模型和第二攻击识别模型,上述利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型的操作,如图2所示,可以具体包括:
步骤S1021、利用预训练的第一攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第一概率值,利用预训练的第二攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第二概率值。
本公开实施例中,可以是将运行相关信息输入至预训练的第一攻击识别模型中进行识别,确定该运行相关信息属于各个攻击类型的第一概率值,将运行相关信息输入至预训练的第二攻击识别模型中进行识别,确定该运行相关信息属于各个攻击类型的第二概率值。其中,第一攻击识别模型可以是lightGBM(Light Gradient Boosting Machine,基于决策树算法的分布式梯度算法),第二攻击识别模型可以是基于注意力机制的Bi-GRU(BiGRU-Attention)模型。具体的,攻击识别模型可以根据运行相关信息中包含的操作行为与不同攻击类型对应的攻击行为进行匹配,基于操作行为与攻击行为的匹配度大小计算得到运行相关信息中包含各个攻击类型的概率值。
步骤S1022、针对每一攻击类型,根据预设识别概率计算公式对所述第一概率值和所述第二概率值计算,将计算得到概率值最大的攻击类型作为所述运行相关信息中包含的第一攻击类型。
本公开实施例中,可以是针对每一攻击类型,将对应该攻击类型计算得到的第一概率值和第二概率值输入至预设识别概率计算公式中,计算得到运行相关信息属于该攻击类型的融合概率值,比较每一攻击类型计算得到的概率值大小,将概率值最大的攻击类型作为运行相关信息中包含的第一攻击类型。预设识别概率计算公式可以表示为F=p*x+q*y,F可以表示为运行相关信息属于该攻击类型的融合概率值,p可以表示为第一攻击识别模型的预设权重值,x可以表示为第一概率值,q可以表示为第二攻击识别模型的预设权重值,y可以表示为第二概率值。
本公开实施例中,第一攻击识别模型的预设权重值p和第二攻击识别模型的预设权重值q可以是根据第一攻击识别模型的检测率值与第二攻击识别模型的检测率值确定的,例如,p=α2/(α2+β2),q=β2/(α2+β2),α可以表示第一攻击识别模型的检测率值,β可以表示第二攻击识别模型的检测率值。
可选的,本公开实施例中在上述确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配的操作之后,如图3所示,还可以包括:
步骤S201、若匹配,则将所述第一攻击类型和所述第一攻击类型包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库。
本公开实施例中,可以是当日志记录信息中包括的多个行为与第一攻击类型包含的攻击行为相匹配时,直接将第一攻击类型和第一攻击类型包含的攻击行为作为第二攻击类型和第二攻击类型包含的攻击行为,并将第二攻击类型和第二攻击类型包含的攻击行为存储至预设数据库,该预设数据库可以是预先设定的,本公开对数据库类型不做限定。
步骤S202、若不匹配,则根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
本公开实施例中,可以是当日志记录信息中包括的多个行为与第一攻击类型包含的攻击行为不匹配时,比如,日志记录信息中未出现第一攻击类型包含的攻击行为,则可以根据运行相关信息对应的日志记录信息对第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为第二攻击类型和第二攻击类型包含的攻击行为,并将第二攻击类型和第二攻击类型包含的攻击行为存储至预设数据库。
可选的,本公开实施例中上述根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中的操作,如图4所示,可以具体包括:
步骤S2021、基于所述运行相关信息对应的时间点,获取所述时间点对应的日志补集记录信息。
本公开实施例中,可以是基于运行相关信息对应的各个时间点,将后一时间点记录的日志信息与前一时间点记录的日志信息取并集,得到该时间点对应的日志补集记录信息。这样,通过获取时间点对应的日志补集记录信息可以避免由于删除、覆盖等行为导致日志记录信息缺失的问题,从而可以更准确全面的体现在运行相关信息对应的时间点内所发生的各个行为。
由于不同的攻击方式引起的行为是不同的,如可能会引起重要文件的访问或删除,也可能会出现一些文件的上传并执行等,而日志是可以记录这些行为信息的,因而当模型判定出此刻应用程序遭受的攻击类型时,通过对日志记录的此刻行为(关于此刻的行为可以根据现在的日志与上一时刻的日志进行取补集即可获得,而且同种攻击具有的一些关键特征是相同的)进行观察比对,以用于判定模型此时对攻击种类的判定是否正确。
步骤S2022、确定所述日志补集记录信息中包括的多个行为是否与所述第一攻击类型相匹配。
本公开实施例中,可以是将日志补集记录信息中包括的多个行为与第一攻击类型对应的攻击行为进行匹配,确定日志补集记录信息中是否包含第一攻击类型对应的攻击行为。
步骤S2023、若匹配,则将所述第一攻击类型作为所述校准后的攻击类型;若不匹配,则基于所述日志补集记录信息中包括的多个行为生成所述校准后的攻击类型。
本公开实施例中,可以是当日志补集记录信息中包括的多个行为与第一攻击类型对应的攻击行为相匹配时,则可以直接将第一攻击类型作为校准后的攻击类型。当日志补集记录信息中包括的多个行为与第一攻击类型对应的攻击行为不匹配时,则可以基于日志补集记录信息中包括的多个行为生成校准后的攻击类型,即,可以基于日志补集记录信息中包括的多个行为重新确定对应的攻击类型,并将重新确定的攻击类型作为校准后的攻击类型。
步骤S2024、将所述校准后的攻击类型和包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
本公开实施例中,可以是将校准后的攻击类型和对应包含的攻击行为作为第二攻击类型和第二攻击类型包含的攻击行为,并将得到的第二攻击类型和第二攻击类型包含的攻击行为存储至预设数据库。
可选的,如图5所示,本公开实施例中上述应用安全检测方法还可以包括:
步骤S301、获取样本运行信息以及所述样本运行信息对应的样本攻击类型。
本公开实施例中,样本运行信息可以是在历史时刻应用程序在系统中运行所产生的运行信息,也可以是人工编写的应用程序运行信息,样本运行信息对应的样本攻击类型可以是通过攻击识别模型对样本运行信息识别而得到的攻击类型,也可以是根据样本运行信息人工确定的攻击类型。
步骤S302、将所述样本运行信息和所述样本攻击类型作为一个训练样本对。
示例的,样本运行信息可以为A=[a1,a 2,a 3,…,a n],该样本运行信息对应的样本攻击类型可以是攻击类型1,则可以将A=[a1,a 2,a3,…,a n]与“攻击类型1”作为一个训练样本对,样本运行信息可以是B=[b1,b 2,b 3,…,b n],该样本运行信息对应的样本攻击类型可以是攻击类型2,则可以将B=[b1,b 2,b 3,…,b n]与“攻击类型2”作为一个训练样本对。
步骤S303、利用训练样本对对所述攻击识别融合模型进行迭代训练,以获取对所述样本运行信息的识别结果符合所述样本攻击类型的所述预训练的攻击识别融合模型;所述攻击识别融合模型是由至少一个深度学习网络和至少一个机器学习模型组成的。
本公开实施例中,可以是将训练样本对中的样本运行信息输入至攻击识别融合模型中进行计算处理,即,将样本运行信息输入至少一个深度学习网络和至少一个机器学习模型中分别进行计算处理,输出针对该样本运行信息识别得到的攻击类型,判断识别得到的攻击类型与样本攻击类型是否匹配,若不匹配,则调整攻击识别融合模型中的训练参数,并重新将样本运行信息输入至攻击识别融合模型中进行迭代训练,直至输出的攻击类型符合样本攻击类型,将输出的攻击类型符合样本攻击类型的攻击识别融合模型作为预训练的攻击识别融合模型。其中,该攻击识别融合模型可以由至少一个深度学习网络和至少一个机器学习模型组成的。
可选的,本公开实施例中上述应用安全检测方法还可以包括:
将所述预设数据库中存储的所述第二攻击类型与所述样本攻击类型对比,获取重复的攻击类型作为第三攻击类型;确定所述第三攻击类型在所述预设数据库存储的所述第二攻击类型中所占的重复比例;当所述重复比例小于预设比例阈值时,将所述预设数据库中除所述第三攻击类型之外的所述第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对所述攻击识别融合模型进行迭代训练,以获取更新后的所述预训练的攻击识别融合模型。
本公开实施例中,由于网络攻击类型更新较快,而预设数据库中存储的第二攻击类型是表征实际应用中所识别到的攻击类型,通过对比预设数据库中存储的第二攻击类型与样本攻击类型,可以获取到重复的攻击类型,并将重复的攻击类型作为第三攻击类型,其中,对比预设数据库中存储的第二攻击类型与样本攻击类型可以是计算第二攻击类型与样本攻击类型之间相似度,将相似度大于预设阈值的第二攻击类型作为重复的攻击类型,也可以是利用其他识别重复对象的方式来确定重复的攻击类型。
本公开实施例中,确定第三攻击类型在预设数据库存储的第二攻击类型中所占的重复比例,可以是统计第三攻击类型在预设数据库存储的第二攻击类型中所占的比例。当重复比例小于预设比例阈值时,则可以将预设数据库中除第三攻击类型之外的第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对攻击识别融合模型进行迭代训练,以获取更新后预训练的攻击识别融合模型。当重复比例大于或等于预设比例阈值时,则可以继续使用预训练的攻击识别融合模型来识别攻击类型。
本公开实施例中,当预设数据库中的第二攻击类型积累到一定程度后,通过计算此时数据库中与原来使用的样本攻击类型具有明显差异程度时,使用第二攻击类型再次训练模型,训练好之后使用现在时刻训练好的模型替换之前使用的模型。
可选的,本公开实施例中上述基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截的操作,如图6所示,可以具体包括:
步骤S1041、若匹配,则按照对应的第一处理策略拦截所述应用程序与所述攻击行为相关的响应内容。
本公开实施例中,当日志记录信息中包括的多个行为与第一攻击类型相匹配,则可以确定该攻击行为属于样本攻击类型,可以按照针对该攻击类型设置的第一处理策略拦截应用程序与攻击行为相关的响应内容,其中,第一处理策略可以是根据样本攻击类型预先设置的处理策略,比如,可以是仅拦截攻击行为的响应内容,也可以是拦截应用程序的响应内容。
步骤S1042、若不匹配,则按照对应的第二处理策略拦截所述应用程序运行的所有响应内容。
本公开实施例中,当日志记录信息中包括的多个行为与第一攻击类型不匹配,则可以确定该攻击行为是新型攻击类型,可以按照第二处理策略拦截应用程序运行的所有响应内容,其中,第二处理策略可以是预先设置针对新型攻击类型的处理策略,比如,可以是直接拦截应用程序的所有响应内容。
示例的,图7示意性示出本公开实施例提供的一种应用安全检测流程图,如图7所示,41、采集应用程序的运行相关信息;42、利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型;43、确定日志记录信息中包括的多个行为是否与第一攻击类型相匹配,若匹配则执行44,若不匹配则执行45;44、基于匹配结果对应的处理策略,对应用程序运行的响应内容进行拦截;45、根据运行相关信息对应的日志记录信息对第一攻击类型进行校准,并存储至预设数据库中,将预设数据库中存储的第二攻击类型与样本攻击类型对比,获取重复的攻击类型作为第三攻击类型,确定第三攻击类型在预设数据库存储的第二攻击类型中所占的重复比例,当重复比例小于预设比例阈值时,将预设数据库中除第三攻击类型之外的第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对攻击识别融合模型进行迭代训练,以获取更新后的预训练的攻击识别融合模型。
图8示意性示出本公开实施例提供的一种应用安全检测装置,如图8所示,该装置50可以包括:
采集模块501,用于采集应用程序的运行相关信息;
识别模块502,用于利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;
第一确定模块503,用于基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
拦截模块504,用于基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
综上所述,本发明实施例提供的应用安全检测装置,可以先采集应用程序的运行相关信息,利用预训练的攻击识别融合模型识别运行相关信息中包含的第一攻击类型,攻击识别融合模型包括至少两个不同类型的攻击识别模型,预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的,基于运行相关信息对应的日志记录信息,确定日志记录信息中包括的多个行为是否与第一攻击类型相匹配,基于匹配结果对应的处理策略,对应用程序运行的响应内容进行拦截。这样,通过不同类型的攻击识别模型来识别运行相关信息中包含的攻击类型,可以提高攻击类型识别的准确度,并且,通过对应的日志记录信息与识别得到的攻击类型匹配,基于匹配结果来确定对应的处理策略,可以一定程度上降低对新型攻击和威胁的漏报和误报,从而可以提高系统内运行程序的安全防护能力。可选的,在所述确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配之后,所示装置50还包括:
存储模块,用于若匹配,则将所述第一攻击类型和所述第一攻击类型包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库;若不匹配,则根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述存储模块,还用于:
基于所述运行相关信息对应的时间点,获取所述时间点对应的日志补集记录信息;
确定所述日志补集记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
若匹配,则将所述第一攻击类型作为所述校准后的攻击类型;若不匹配,则基于所述日志补集记录信息中包括的多个行为生成所述校准后的攻击类型;
将所述校准后的攻击类型和包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
可选的,所述装置50还包括:
第一获取模块,用于获取样本运行信息以及所述样本运行信息对应的样本攻击类型;
第二确定模块,用于将所述样本运行信息和所述样本攻击类型作为一个训练样本对;
训练模块,用于利用训练样本对对所述攻击识别融合模型进行迭代训练,以获取对所述样本运行信息的识别结果符合所述样本攻击类型的所述预训练的攻击识别融合模型;所述攻击识别融合模型是由至少一个深度学习网络和至少一个机器学习模型组成的。
可选的,所述装置50还包括:
第二获取模块,用于将所述预设数据库中存储的所述第二攻击类型与所述样本攻击类型对比,获取重复的攻击类型作为第三攻击类型;
第三确定模块,用于确定所述第三攻击类型在所述预设数据库存储的所述第二攻击类型中所占的重复比例;
添加模块,用于当所述重复比例小于预设比例阈值时,将所述预设数据库中除所述第三攻击类型之外的所述第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对所述攻击识别融合模型进行迭代训练,以获取更新后的所述预训练的攻击识别融合模型。
可选的,所述攻击识别融合模型包括第一攻击识别模型和第二攻击识别模型,所述识别模块502,还用于:
利用预训练的第一攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第一概率值,利用预训练的第二攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第二概率值;
针对每一攻击类型,根据预设识别概率计算公式对所述第一概率值和所述第二概率值计算,将计算得到概率值最大的攻击类型作为所述运行相关信息中包含的第一攻击类型。
可选的,所述拦截模块504,还用于:
若匹配,则按照对应的第一处理策略拦截所述应用程序与所述攻击行为相关的响应内容;
若不匹配,则按照对应的第二处理策略拦截所述应用程序运行的所有响应内容。
上述应用安全检测装置中各模块的具体细节已经在对应的应用安全检测方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本公开的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630以及显示单元640。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤S101、采集应用程序的运行相关信息;步骤S102、利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;步骤S103、基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;步骤S104、基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
根据本公开的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种应用安全检测方法,其特征在于,所述方法包括:
采集应用程序的运行相关信息;
利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;
基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
2.根据权利要求1所述的方法,其特征在于,在所述确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配之后,还包括:
若匹配,则将所述第一攻击类型和所述第一攻击类型包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库;
若不匹配,则根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
3.根据权利要求2所述的方法,其特征在于,所述根据所述运行相关信息对应的日志记录信息对所述第一攻击类型进行校准,将校准后的攻击类型和对应包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中,包括:
基于所述运行相关信息对应的时间点,获取所述时间点对应的日志补集记录信息;
确定所述日志补集记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
若匹配,则将所述第一攻击类型作为所述校准后的攻击类型;若不匹配,则基于所述日志补集记录信息中包括的多个行为生成所述校准后的攻击类型;
将所述校准后的攻击类型和包含的攻击行为作为所述第二攻击类型和所述第二攻击类型包含的攻击行为存储至所述预设数据库中。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取样本运行信息以及所述样本运行信息对应的样本攻击类型;
将所述样本运行信息和所述样本攻击类型作为一个训练样本对;
利用训练样本对对所述攻击识别融合模型进行迭代训练,以获取对所述样本运行信息的识别结果符合所述样本攻击类型的所述预训练的攻击识别融合模型;所述攻击识别融合模型是由至少一个深度学习网络和至少一个机器学习模型组成的。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述预设数据库中存储的所述第二攻击类型与所述样本攻击类型对比,获取重复的攻击类型作为第三攻击类型;
确定所述第三攻击类型在所述预设数据库存储的所述第二攻击类型中所占的重复比例;
当所述重复比例小于预设比例阈值时,将所述预设数据库中除所述第三攻击类型之外的所述第二攻击类型添加为新的样本攻击类型,重新执行利用新的样本攻击类型对所述攻击识别融合模型进行迭代训练,以获取更新后的所述预训练的攻击识别融合模型。
6.根据权利要求1所述的方法,其特征在于,所述攻击识别融合模型包括第一攻击识别模型和第二攻击识别模型,所述利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型,包括:
利用预训练的第一攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第一概率值,利用预训练的第二攻击识别模型对所述运行相关信息进行识别,确定属于各个攻击类型的第二概率值;
针对每一攻击类型,根据预设识别概率计算公式对所述第一概率值和所述第二概率值计算,将计算得到概率值最大的攻击类型作为所述运行相关信息中包含的第一攻击类型。
7.根据权利要求1所述的方法,其特征在于,所述基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截,包括:
若匹配,则按照对应的第一处理策略拦截所述应用程序与所述攻击行为相关的响应内容;
若不匹配,则按照对应的第二处理策略拦截所述应用程序运行的所有响应内容。
8.一种应用安全检测装置,其特征在于,所述装置包括:
采集模块,用于采集应用程序的运行相关信息;
识别模块,用于利用预训练的攻击识别融合模型识别所述运行相关信息中包含的第一攻击类型;所述攻击识别融合模型包括至少两个不同类型的攻击识别模型;所述预训练的攻击识别融合模型是通过预设数据库中存储的第二攻击类型更新得到的;
第一确定模块,用于基于所述运行相关信息对应的日志记录信息,确定所述日志记录信息中包括的多个行为是否与所述第一攻击类型相匹配;
拦截模块,用于基于匹配结果对应的处理策略,对所述应用程序运行的响应内容进行拦截。
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1-7任一项所述的应用安全检测方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的应用安全检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211600867.1A CN115964701A (zh) | 2022-12-13 | 2022-12-13 | 应用安全检测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211600867.1A CN115964701A (zh) | 2022-12-13 | 2022-12-13 | 应用安全检测方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115964701A true CN115964701A (zh) | 2023-04-14 |
Family
ID=87361131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211600867.1A Pending CN115964701A (zh) | 2022-12-13 | 2022-12-13 | 应用安全检测方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115964701A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216758A (zh) * | 2023-11-08 | 2023-12-12 | 新华三网络信息安全软件有限公司 | 应用安全检测系统及方法 |
-
2022
- 2022-12-13 CN CN202211600867.1A patent/CN115964701A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216758A (zh) * | 2023-11-08 | 2023-12-12 | 新华三网络信息安全软件有限公司 | 应用安全检测系统及方法 |
CN117216758B (zh) * | 2023-11-08 | 2024-02-23 | 新华三网络信息安全软件有限公司 | 应用安全检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109831465B (zh) | 一种基于大数据日志分析的网站入侵检测方法 | |
CN109271782B (zh) | 检测攻击行为的方法、介质、系统和计算设备 | |
US11457024B2 (en) | Systems and methods for monitoring security of an organization based on a normalized risk score | |
US10614226B2 (en) | Machine learning statistical methods estimating software system's security analysis assessment or audit effort, cost and processing decisions | |
CN111160749A (zh) | 一种情报质量评估和情报融合方法及装置 | |
CN112003834B (zh) | 异常行为检测方法和装置 | |
CN110716843B (zh) | 系统故障分析处理方法、装置、存储介质及电子设备 | |
CN115964701A (zh) | 应用安全检测方法、装置、存储介质及电子设备 | |
CN115034596A (zh) | 一种风险传导预测方法、装置、设备和介质 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN115146263B (zh) | 用户账号的失陷检测方法、装置、电子设备及存储介质 | |
CN114500075B (zh) | 用户异常行为检测方法、装置、电子设备及存储介质 | |
CN111786991B (zh) | 基于区块链的平台认证登录方法及相关装置 | |
CN114925757A (zh) | 多源威胁情报融合方法、装置、设备和存储介质 | |
CN114186278A (zh) | 数据库异常操作识别方法、装置与电子设备 | |
CN111489101A (zh) | 基于大数据的订单审核方法、装置、设备和介质 | |
CN115022002B (zh) | 验证方式确定方法、装置、存储介质和电子设备 | |
CN111651753A (zh) | 用户行为分析系统及方法 | |
CN114996668B (zh) | 开源组件的处理方法、装置、设备及介质 | |
CN115225532B (zh) | 网络安全态势预测方法、装置、设备及存储介质 | |
JPWO2020008632A1 (ja) | 仮説推論装置、仮説推論方法、及びプログラム | |
US20240045955A1 (en) | Identifying security events in programming code for logging | |
CN114756401B (zh) | 基于日志的异常节点检测方法、装置、设备及介质 | |
CN117033318B (zh) | 一种待测数据的生成方法、装置、存储介质及电子设备 | |
CN115242614B (zh) | 网络信息分析方法、装置、设备及介质 |
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 |