CN116112266B - 一种识别会话数据的方法、电子设备及存储介质 - Google Patents
一种识别会话数据的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116112266B CN116112266B CN202310113521.7A CN202310113521A CN116112266B CN 116112266 B CN116112266 B CN 116112266B CN 202310113521 A CN202310113521 A CN 202310113521A CN 116112266 B CN116112266 B CN 116112266B
- Authority
- CN
- China
- Prior art keywords
- session
- processed
- session data
- data set
- historical
- 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
Links
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer And Data Communications (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供一种识别会话数据的方法、电子设备及存储介质,包括以下步骤:获取待处理会话的待处理会话数据集;所述待处理会话数据集中包括属于同一会话的若干S帧报文、U帧报文和I帧报文;每一I帧报文包括其对应的数据类型;对所述待处理会话数据集进行第一特征提取处理,得到所述待处理会话的待处理会话向量A;将A输入目标AI模型,以得到目标AI模型输出的所述待处理会话对应的目标会话特征值VA;若VA>U,则将所述待处理会话确定为正常会话,否则,将所述待处理会话确定为异常会话。本申请根据会话特征的VA和特征阈值U确定待处理会话是否为异常会话,实现了通过待处理会话的报文的特征确定出待处理会话是否为异常会话。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种识别会话数据的方法、电子设备及存储介质。
背景技术
IEC104是一种广泛应用于电力工控等领域的通讯协议。能够用于主控设备(如上位机等)和被控设备(如采样器或可编程逻辑控制器等)之间的通讯。二者进行通讯时可以采用长连接进行报文的发送,如S帧报文、U帧报文和I帧报文等。而一次长连接中的通讯过程称为一次session会话。
现在有很多恶意攻击者,会通过中间人攻击等方式对工控系统的入侵,从而破坏工控系统的正常运行。但这种攻击方式很难通过例如杀毒软件的方式进行识别,所以亟需一种可以通过对报文进行识别检测异常的方法。
发明内容
有鉴于此,本申请提供一种识别会话数据的方法、电子设备及存储介质,至少部分解决现有技术中存在的问题。
在本申请的一方面,提供一种识别会话数据的方法,包括以下步骤:
S100,获取待处理会话的待处理会话数据集;所述待处理会话数据集中包括属于同一会话的若干S帧报文、U帧报文和I帧报文;每一I帧报文包括其对应的数据类型。
S200,对所述待处理会话数据集进行第一特征提取处理,得到所述待处理会话的待处理会话向量A=(NumS,NumU,NumI,F1,F2,…,Fi,…,Fn),i=1,2,…,n;其中,NumS为所述待处理会话数据集中S帧报文的数量,NumU为所述待处理会话数据集中U帧报文的数量,NumI为所述待处理会话数据集中I帧报文的数量,n为预设的数据类型的数量,Fi为第i种数据类型的类型标识,若Fi=1,表示待处理会话数据集中包含第i种数据类型的I帧报文,若Fi=2,表示待处理会话数据集中不包含第i种数据类型的I帧报文。
S300,将A输入目标AI模型,以得到目标AI模型输出的所述待处理会话对应的目标会话特征值VA。
VA符合如下条件:
VA=1/(1+ef(A))。
f(A)=a1*NumS+a2*NumU+a3*NumI+w1*F1+w1*F2+…+wi*Fi+…+wn*Fn。
其中,e为自然常数,f(A)为A对应的中间会话特征值,a1、a2、a3、w1、w2、…、wi、…、wn为所述目标AI模型在经过训练后得到的参数。
S400,若VA>U,则将所述待处理会话确定为正常会话,否则,将所述待处理会话确定为异常会话;U为预设的特征阈值。
在本申请的另一方面,提供一种电子设备,包括处理器和存储器。
所述处理器通过调用所述存储器存储的程序或指令,用于执行上述任一项所述方法的步骤。
在本申请的另一方面,提供一种非瞬时性计算机可读存储介质,所述非瞬时性计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行上述任一项所述方法的步骤。
本申请提供的识别会话数据的方法,通过待处理会话数据集进行第一特征提取处理得到待处理会话向量A,A中包含了待处理会话数据集中U帧报文数量、I帧报文的数量、S帧报文的数量以及待处理会话数据集中包含哪些数据类型对应的I帧报文,使得A可以体现出待处理会话中的报文的特征。经研究发现,在工控系统中,由于大量的通讯工作都是重复性的,故而各个通讯环节中其报文特征相对较为统一,且不同类型的报文的数量和同一会话中包含哪些数据类型对应的I帧报文具有内在联系。故而,本申请中,构建上述的待处理会话向量A,使得目标AI模型在根据A,确定目标会话特征值VA时,能够考虑到不同的会话中不同类型的报文的数量和同一会话中包含哪些数据类型对应的I帧报文之间的内在联系,从而输出能够体现待处理会话的会话特征的VA。从而可以根据特征阈值U确定待处理会话是否为异常会话,实现了通过待处理会话的报文的特征确定出待处理会话是否为异常会话。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1为本申请实施例提供的一种识别会话数据的方法的流程图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
名词解释:
IEC104:IEC104协议是一个广泛应用于电力、城市轨道交通等行业的国际标准。IEC104协议由国际电工委员会制定。IEC104协议把IEC101的应用服务数据单元(ASDU)用网络协议TCP/IP进行传输的标准,该标准为远动信息的网络传输提供了通信协议依据。采用104协议组合101协议的ASDU的方式后,可很好的保证协议的标准化和通信的可靠性。
IEC104协议的报文格式有三种,具体为I帧报文、U帧报文和S帧报文。
I帧报文为数据帧报文,用于传输数据,且内部具有数据类型ID,数据类型ID用于表示其携带的数据的数据类型。其中,数据类型可以通过实际所在的工控系统的需求进行设定,一般数据类型的数量为50种到255种。
U帧报文为控制帧报文,用于控制启动、停止和测试等。
S帧报文为确认帧报文,用于确认接收的I帧报文等。
请参考图1,在本申请的一方面,提供一种识别会话数据的方法,包括以下步骤:
S100,获取待处理会话的待处理会话数据集;所述待处理会话数据集中包括属于同一会话的若干S帧报文、U帧报文和I帧报文;每一I帧报文包括其对应的数据类型。其中,一次会话指IEC104协议中的一次会话,即一次长连接或多个长连接组成的一次完整通讯过程。具体的可参考IEC104协议中对session会话的定义。I帧报文中可以具有对应的typeID字段,用于记录对应的数据类型ID,从而可以通过数据类型ID确定该I帧报文对应的数据类型。
S200,对所述待处理会话数据集进行第一特征提取处理,得到所述待处理会话的待处理会话向量A=(NumS,NumU,NumI,F1,F2,…,Fi,…,Fn),i=1,2,…,n;其中,NumS为所述待处理会话数据集中S帧报文的数量,NumU为所述待处理会话数据集中U帧报文的数量,NumI为所述待处理会话数据集中I帧报文的数量,n为预设的数据类型的数量,Fi为第i种数据类型的类型标识,若Fi=1,表示待处理会话数据集中包含第i种数据类型的I帧报文,若Fi=2,表示待处理会话数据集中不包含第i种数据类型的I帧报文。
本实施例中,待处理会话向量A能够体现出待处理会话数据集中各类型帧报文的特征,从而可以用于后续确定待处理会话是否为异常会话。
具体的,第一特征提取处理,可以是对对应的会话数据集(如待处理会话数据集)中每一报文进行遍历,确定每一报文的帧类型,从而确定出S帧报文的数量、U帧报文的数量和I帧报文的数量。以及,针对I帧报文,获取其typeID字段中的数据类型ID,从而确定出每一I帧报文对应的数据类型,以确定出F1,F2,…,Fi,…,Fn的具体特征值。
S300,将A输入目标AI模型,以得到目标AI模型输出的所述待处理会话对应的目标会话特征值VA。
VA符合如下条件:
VA=1/(1+ef(A))。
f(A)=a1*NumS+a2*NumU+a3*NumI+w1*F1+w1*F2+…+wi*Fi+…+wn*Fn。
其中,e为自然常数,f(A)为A对应的中间会话特征值,a1、a2、a3、w1、w2、…、wi、…、wn为所述目标AI模型在经过训练后得到的参数。
S400,若VA>U,则将所述待处理会话确定为正常会话,否则,将所述待处理会话确定为异常会话;U为预设的特征阈值。
其中目标AI模型可以为逻辑回归模型。
本申请提供的识别会话数据的方法,通过待处理会话数据集进行第一特征提取处理得到待处理会话向量A,A中包含了待处理会话数据集中U帧报文数量、I帧报文的数量、S帧报文的数量以及待处理会话数据集中包含哪些数据类型对应的I帧报文,使得A可以体现出待处理会话中的报文的特征。经研究发现,在工控系统中,由于大量的通讯工作都是重复性的,故而各个通讯环节中其报文特征相对较为统一,且不同类型的报文的数量和同一会话中包含哪些数据类型对应的I帧报文具有内在联系。故而,本申请中,构建上述的待处理会话向量A,使得目标AI模型在根据A,确定目标会话特征值VA时,能够考虑到不同的会话中不同类型的报文的数量和同一会话中包含哪些数据类型对应的I帧报文之间的内在联系,从而输出能够体现待处理会话的会话特征的VA。从而可以根据特征阈值U确定待处理会话是否为异常会话,实现了通过待处理会话的报文的特征确定出待处理会话是否为异常会话。
在本申请的一种示例性实施例中,a1、a2、a3、w1、w2、…、wi、…、wn,根据以下步骤得到:
S010,获取若干历史正常会话数据集和若干历史异常会话数据集。
具体的,历史正常会话数据集和历史异常会话数据集可以通过所在的工控系统的日志进行获取。日志中记录了历史中每一会话的报文的相关数据。进一步的,其中正常会话和异常会话,可以是工作人员对对应的会话数据集进行标记确定的。同时,历史异常会话数据集也可以是工作人员工作进行对工控系统的模拟攻击从而获取的。
S020,分别对每一历史正常会话数据集进行第一特征提取处理,得到历史正常会话向量列表LB=(LB1,LB2,…,LBy,…,LBx),y=1,2,…,x;其中,x为历史正常会话数据集的数量,LBy为第y个历史正常会话数据集对应的历史正常会话向量。
S030,分别对每一历史异常会话数据集进行第一特征提取处理,得到历史异常会话向量列表LC=(LC1,LC2,…,LCq,…,LCp),q=1,2,…,p;其中,p为历史异常会话数据集的数量,LCq为第q个历史异常会话数据集对应的历史异常会话向量。
其中,由于历史正常会话向量和历史异常会话向量是通过对若干历史正常会话数据集和若干历史异常会话数据集进行与待处理会话数据集相同的第一特征提取处理而得到的,故而,待处理会话向量,历史正常会话向量和历史异常会话向量的向量形式均相同,如向量的特征维度数量均为n+3,且相同特征维度的特征值表示的含义相同。可以理解的是,每一历史正常会话向量均可以标记为正样本,每一历史异常会话向量均可以标记为负样本。
S040,根据LB和LC对初始AI模型进行训练,以得到目标AI模型。
本实施例中,通过对历史正常会话数据集和历史异常会话数据集进行第一特征提取,使得提取到的历史正常会话向量和历史异常会话向量的向量形式与待处理会话向量A相同。使得本身实施例中得到的待处理会话向量、历史正常会话向量和历史异常会话向量能够体现出对应的会话中的报文的特征(如每一类型的报文的数量,以及包含哪些数据类型的I帧报文)。从而使得训练后的目标AI模型能够学习到不同的会话中不同类型的报文的数量和同一会话中包含哪些数据类型对应的I帧报文之间的内在联系,使得能够目标AI模型能够得到A对应的高精度VA。
在本申请的一种示例性实施例中,U根据以下步骤得到:
S101,将LB输入目标AI模型,以得到目标AI模型输出的第一历史会话特征值列表LT1=(LT11,LT12,…,LT1y,…,LT1x);其中,LT1y为LBy对应的第一历史会话特征值。
S102,对LT1进行排序处理,得到中间历史会话特征值列表ZT=(ZT1,ZT2,…,ZTy,…,ZTx);其中,ZTy为ZT中第y个中间历史会话特征值,ZT1>ZT2>…>ZTy>…>ZTx。
S103,获取U=ZTλ;其中,λ=ROU(k*x),k为预设的比例系数,ROU()为预设的向下取整函数。k的取值范围为0.8至0.98。k=0.95。
本实施例中,通过训练好的目标AI模型得到每一正样本对应的中间历史会话特征值。可以理解的是由于正负样本的不同,所有正样本对应的中间历史会话特征值均应大于负样本对应的中间历史会话特征值。在一些实施方式中,会将ZT中的最小值作为U,但由于部分正样本可能会与负样本数据相近,故而直接将最小值作为U,容易出现异常会话的特征值也会大于U的情况,为减少这一问题。本实施例中,通过限定k的取值,将对应的中间历史会话特征值较小的正样本剔除,从而获取U=ZTλ使得U会大于ZT中的最小值,实现了提高异常会话识别的准确度。
在本申请的一种示例性实施例中,在所述步骤S400之后,所述方法还包括:
S500,若所述待处理会话为异常会话,则将A作为候选会话向量添加至候选会话向量列表HT中。
S600,若所述HT中的候选会话向量的数量达到设定数量阈值,则将HT中每一候选会话向量作为历史异常会话向量添加至LC中。所述设定数量阈值为20。
S700,根据LB和添加后的LC更新目标AI模型内的a1、a2、a3、w1、w2、…、wi、…、wn。
周知的,获取正常数据的难度要远小于获取异常数据的难度,故而在实际实施中,获取到的历史异常会话数据集的数量会远小于历史正常会话数据集的数量,即正负样本的数量差距较大。这也会导致起始阶段通过现有的正负样本对初始AI模型进行训练后,得到的a1、a2、a3、w1、w2、…、wi、…、wn准确定度相对较低,从而影响异常会话识别的准确度。故而,本实施例中,在待处理会话为异常会话时,将待处理会话数据集添加至候选会话向量列表HT中。并在HT中的候选会话向量的数量达到设定数量阈值后,将HT中每一候选会话向量作为历史异常会话向量添加至LC中,从而实现了对负样本的扩充。且扩充后会根据扩充后的负样本和原有的正样本从新训练目标AI模型,以更新目标AI模型内的a1、a2、a3、w1、w2、…、wi、…、wn。从而提高后续的异常会话的识别准确度。
同时,在本实施例中,若待处理会话为正常会话,则会使用待处理会话数据集替换若干历史正常会话数据集中任一历史正常会话数据集,并在HT添加至LC后,作为新的正样本集参与训练。
如此,能够使得正负样本的数量逐渐趋同,且正样本的集合也能够逐渐更新样本使得更多而正样本参与训练,从而提高目标AI模型内的a1、a2、a3、w1、w2、…、wi、…、wn的准确度。
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。
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、移动终端、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,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请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”。
根据本申请的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中,所述储存器存储有程序代码,所述程序代码可以被所述处理器执行,使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(RAM)和/或高速缓存储存器,还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于: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。
总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(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交互的设备通信,和/或与使得该电子设备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)接口进行。并且,电子设备还可以通过网络适配器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。网络适配器通过总线与电子设备的其它模块通信。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、冗余处理器、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,本申请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申请各种示例性实施方式的步骤。
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申请操作的程序代码,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申请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。
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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种识别会话数据的方法,其特征在于,包括以下步骤:
S100,获取待处理会话的待处理会话数据集;所述待处理会话数据集中包括属于同一会话的若干S帧报文、U帧报文和I帧报文;每一I帧报文包括其对应的数据类型;
S200,对所述待处理会话数据集进行第一特征提取处理,得到所述待处理会话的待处理会话向量A=(NumS,NumU,NumI,F1,F2,…,Fi,…,Fn),i=1,2,…,n;其中,NumS为所述待处理会话数据集中S帧报文的数量,NumU为所述待处理会话数据集中U帧报文的数量,NumI为所述待处理会话数据集中I帧报文的数量,n为预设的数据类型的数量,Fi为第i种数据类型的类型标识,若Fi=1,表示待处理会话数据集中包含第i种数据类型的I帧报文,若Fi=2,表示待处理会话数据集中不包含第i种数据类型的I帧报文;
S300,将A输入目标AI模型,以得到目标AI模型输出的所述待处理会话对应的目标会话特征值VA;
VA符合如下条件:
VA=1/(1+ef(A));
f(A)=a1*NumS+a2*NumU+a3*NumI+w1*F1+w1*F2+…+wi*Fi+…+wn*Fn;
其中,e为自然常数,f(A)为A对应的中间会话特征值,a1、a2、a3、w1、w2、…、wi、…、wn为所述目标AI模型在经过训练后得到的参数;
S400,若VA>U,则将所述待处理会话确定为正常会话,否则,将所述待处理会话确定为异常会话;U为预设的特征阈值。
2.根据权利要求1所述的识别会话数据的方法,其特征在于,a1、a2、a3、w1、w2、…、wi、…、wn,根据以下步骤得到:
S010,获取若干历史正常会话数据集和若干历史异常会话数据集;
S020,分别对每一历史正常会话数据集进行第一特征提取处理,得到历史正常会话向量列表LB=(LB1,LB2,…,LBy,…,LBx),y=1,2,…,x;其中,x为历史正常会话数据集的数量,LBy为第y个历史正常会话数据集对应的历史正常会话向量;
S030,分别对每一历史异常会话数据集进行第一特征提取处理,得到历史异常会话向量列表LC=(LC1,LC2,…,LCq,…,LCp),q=1,2,…,p;其中,p为历史异常会话数据集的数量,LCq为第q个历史异常会话数据集对应的历史异常会话向量;
S040,根据LB和LC对初始AI模型进行训练,以得到目标AI模型。
3.根据权利要求2所述的识别会话数据的方法,其特征在于,U根据以下步骤得到:
S101,将LB输入目标AI模型,以得到目标AI模型输出的第一历史会话特征值列表LT1=(LT11,LT12,…,LT1y,…,LT1x);其中,LT1y为LBy对应的第一历史会话特征值;
S102,对LT1进行排序处理,得到中间历史会话特征值列表ZT=(ZT1,ZT2,…,ZTy,…,ZTx);其中,ZTy为ZT中第y个中间历史会话特征值,ZT1>ZT2>…>ZTy>…>ZTx;
S103,获取U=ZTλ;其中,λ=ROU(k*x),k为预设的比例系数,ROU()为预设的向下取整函数。
4.根据权利要求3所述的识别会话数据的方法,其特征在于,在所述步骤S400之后,所述方法还包括:
S500,若所述待处理会话为异常会话,则将A作为候选会话向量添加至候选会话向量列表HT中;
S600,若所述HT中的候选会话向量的数量达到设定数量阈值,则将HT中每一候选会话向量作为历史异常会话向量添加至LC中;
S700,根据LB和添加后的LC更新目标AI模型内的a1、a2、a3、w1、w2、…、wi、…、wn。
5.根据权利要求4所述的识别会话数据的方法,其特征在于,k的取值范围为0.8至0.98。
6.根据权利要求5所述的识别会话数据的方法,其特征在于,k=0.95。
7.根据权利要求4所述的识别会话数据的方法,其特征在于,所述设定数量阈值为20。
8.一种电子设备,其特征在于,包括处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至7任一项所述方法的步骤。
9.一种非瞬时性计算机可读存储介质,其特征在于,所述非瞬时性计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113521.7A CN116112266B (zh) | 2023-02-13 | 2023-02-13 | 一种识别会话数据的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113521.7A CN116112266B (zh) | 2023-02-13 | 2023-02-13 | 一种识别会话数据的方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116112266A CN116112266A (zh) | 2023-05-12 |
CN116112266B true CN116112266B (zh) | 2023-09-01 |
Family
ID=86259520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310113521.7A Active CN116112266B (zh) | 2023-02-13 | 2023-02-13 | 一种识别会话数据的方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116112266B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246027A (zh) * | 2018-09-19 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种网络维护的方法、装置和终端设备 |
CN111464525A (zh) * | 2020-03-30 | 2020-07-28 | 绿盟科技集团股份有限公司 | 一种会话识别方法、装置、控制设备及存储介质 |
CN114938287A (zh) * | 2022-04-02 | 2022-08-23 | 湖南大学 | 一种融合业务特征的电力网络异常行为检测方法及装置 |
CN115002395A (zh) * | 2022-05-27 | 2022-09-02 | 中国工商银行股份有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN115062629A (zh) * | 2022-07-12 | 2022-09-16 | 平安科技(深圳)有限公司 | 会话信息的识别方法及装置、存储介质、计算机设备 |
CN115186158A (zh) * | 2022-07-18 | 2022-10-14 | 山东云天安全技术有限公司 | 一种异常数据确定方法、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8448233B2 (en) * | 2011-08-25 | 2013-05-21 | Imperva, Inc. | Dealing with web attacks using cryptographically signed HTTP cookies |
US11941599B2 (en) * | 2020-12-31 | 2024-03-26 | Capital One Services, Llc | Machine-learning based electronic activity accuracy verification and detection of anomalous attributes and methods thereof |
-
2023
- 2023-02-13 CN CN202310113521.7A patent/CN116112266B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246027A (zh) * | 2018-09-19 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种网络维护的方法、装置和终端设备 |
CN111464525A (zh) * | 2020-03-30 | 2020-07-28 | 绿盟科技集团股份有限公司 | 一种会话识别方法、装置、控制设备及存储介质 |
CN114938287A (zh) * | 2022-04-02 | 2022-08-23 | 湖南大学 | 一种融合业务特征的电力网络异常行为检测方法及装置 |
CN115002395A (zh) * | 2022-05-27 | 2022-09-02 | 中国工商银行股份有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN115062629A (zh) * | 2022-07-12 | 2022-09-16 | 平安科技(深圳)有限公司 | 会话信息的识别方法及装置、存储介质、计算机设备 |
CN115186158A (zh) * | 2022-07-18 | 2022-10-14 | 山东云天安全技术有限公司 | 一种异常数据确定方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于神经网络的异常用电检测算法模型研究;杨光;;供用电(第10期);第56-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116112266A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116112271B (zh) | 一种会话数据处理方法、电子设备及存储介质 | |
CN117688342B (zh) | 一种基于模型的设备状态预测方法、电子设备及存储介质 | |
CN116192494B (zh) | 一种确定异常数据的方法、电子设备及存储介质 | |
CN116112266B (zh) | 一种识别会话数据的方法、电子设备及存储介质 | |
CN114036533A (zh) | 日志的传输方法及装置、电子设备和存储介质 | |
CN116866047A (zh) | 工业设备网络中恶意设备的确定方法、介质及设备 | |
CN116112265B (zh) | 一种异常会话的确定方法、电子设备及存储介质 | |
CN115221892B (zh) | 工单数据处理方法及装置、存储介质及电子设备 | |
CN116112263B (zh) | 一种报文处理方法、电子设备及存储介质 | |
CN116318872B (zh) | 一种通过报文确定异常会话的方法、电子设备及存储介质 | |
CN117040938B (zh) | 一种异常ip检测方法及装置、电子设备及存储介质 | |
CN116910756B (zh) | 一种恶意pe文件的检测方法 | |
CN115941357B (zh) | 基于工业安全的流量日志检测方法、装置与电子设备 | |
CN116781389B (zh) | 一种异常数据列表的确定方法、电子设备及存储介质 | |
CN113033826B (zh) | 基于区块链的模型联合训练方法、装置、设备和介质 | |
CN115412346B (zh) | 一种报文检测方法、装置、电子设备及存储介质 | |
CN117390898B (zh) | 一种医疗线缆可靠性预测方法及系统 | |
CN115600216B (zh) | 检测方法、装置、设备及存储介质 | |
CN112542891A (zh) | 变电站的一体化控制方法及控制装置 | |
CN113986988A (zh) | 一种用于识别异常用户的方法与设备 | |
CN118337611A (zh) | 维护云手机的方法、装置、设备、存储介质及程序产品 | |
CN117951625A (zh) | 一种设备集群运行异常确定方法、电子设备及存储介质 | |
CN117294833A (zh) | 摄像头芯片的测试方法及相关设备 | |
CN118335634A (zh) | 机台控制参数确定、机台控制方法、装置、介质和设备 | |
CN116340946A (zh) | 一种基于主机脆弱性数据及异常行为的分析方法 |
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 |