基于深度學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的webshell檢測方法及裝置
基本信息
| 申請?zhí)?/td> | CN201810623283.3 | 申請日 | - |
| 公開（公告）號 | CN108833409B | 公開（公告）日 | 2021-03-16 |
| 申請公布號 | CN108833409B | 申請公布日 | 2021-03-16 |
| 分類號 | G06F21/57(2013.01)I;H04L29/06(2006.01)I;G06N3/08(2006.01)I | 分類 | 電通信技術(shù); |
| 發(fā)明人 | 吳斌;趙力;朱和穩(wěn);韓傳富 | 申請（專利權(quán)）人 | 北京網(wǎng)思科平科技有限公司 |
| 代理機構(gòu) | 北京知呱呱知識產(chǎn)權(quán)代理有限公司 | 代理人 | 呂學(xué)文;武媛 |
| 地址 | 100086北京市海淀區(qū)馬連洼北路125號億城國際中心525 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 基于深度學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的webshell檢測方法及裝置，獲取原始的訓(xùn)練樣本，選取有標(biāo)記樣本進行分詞處理，通過卡方檢驗分析特征詞與標(biāo)簽之間的相關(guān)性，選擇相關(guān)性最強的前K個特征詞作為篩選特征詞；采用篩選特征詞對未標(biāo)記樣本進行特征詞篩選，作為未標(biāo)記樣本特征；對獲取的未標(biāo)記樣本特征使用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練，獲得各個未標(biāo)記樣本的文本向量；使用無監(jiān)督方法訓(xùn)練單分類SVDD模型，優(yōu)化超球面半徑最小化，最大情況包含未標(biāo)記樣本；對于新的標(biāo)記樣本，運用在線學(xué)習(xí)方式增量訓(xùn)練SVDD模型，修正單分類SVDD模型；將最新模型用于新樣本的預(yù)測。本發(fā)明能夠有效改善傳統(tǒng)webshell檢測的漏報率和誤報率。?? |
