[发明专利]URL异常定位方法、装置、服务器及存储介质

权利要求书

1.一种URL异常定位方法，包括：

对URL的参数请求部分进行字段切分，得到由对应各个字段的各个示例组成的多示例包，其中，示例由对应字段的特征向量表示；

将所述多示例包输入基于多示例学习的URL异常定位模型，通过预测各个示例的异常标记的值，确定异常示例，其中，异常示例和非异常示例通过示例的异常标记的值进行区分；

根据异常示例定位出对应的异常字段。

2.根据权利要求1所述的方法，还包括：

基于多示例学习算法对多个URL样本进行训练，得到所述URL异常定位模型。

3.根据权利要求2所述的方法，所述基于多示例学习算法对多个URL样本进行训练，得到所述URL异常定位模型，包括：

对URL样本集中各个URL样本的参数请求部分进行字段切分，针对每个URL样本得到由对应各个字段的各个示例组成的多示例包；

集合各个URL样本的多示例包得到多示例包集；

基于多示例学习算法，对多示例包集进行异常示例及非异常示例分类训练；

基于所述分类训练，得到所述URL异常定位模型。

4.根据权利要求3所述的方法，所述对多示例包集进行异常示例及非异常示例分类训练包括：

对多示例包集中每个示例的异常标记的值进行初始化，并对异常标记的值进行迭代学习，更新调整出每个示例最终的异常标记的值。

5.根据权利要求1-4任一项所述的方法，还包括：

确定所述URL是否为异常URL：

如果所述URL对应的示例包中包括异常示例，则确定所述URL为异常URL；

如果所述URL对应的示例包中不包括异常示例，则确定所述URL为非异常URL。

6.一种URL异常定位训练方法，包括：

收集由多个URL样本组成的URL样本集；

对URL样本集中各个URL样本的参数请求部分进行字段切分，针对每个URL样本得到由对应各个字段的各个示例组成的多示例包，其中，示例由对应字段的特征向量表示；

集合各个URL样本的多示例包得到多示例包集；

基于多示例学习算法，对多示例包集进行异常示例及非异常示例分类训练，其中，异常示例和非异常示例通过示例的异常标记的值进行区分；

基于所述分类训练，得到所述URL异常定位模型；

其中，所述对多示例包集进行异常示例及非异常示例分类训练包括：

对多示例包集中每个示例的异常标记的值进行初始化，并对异常标记的值进行迭代学习，更新调整出每个示例最终的异常标记的值。

7.一种URL异常定位装置，包括：

切分单元，用于对URL的参数请求部分进行字段切分，得到由对应各个字段的各个示例组成的多示例包，其中，示例由对应字段的特征向量表示；

预测单元，用于将所述多示例包输入基于多示例学习的URL异常定位模型，通过预测各个示例的异常标记的值，确定异常示例，其中，异常示例和非异常示例通过示例的异常标记的值进行区分；

定位单元，用于根据异常示例定位出对应的异常字段。

8.根据权利要求7所述的装置，还包括：

模型训练单元，用于基于多示例学习算法对多个URL样本进行训练，得到所述URL异常定位模型。

9.根据权利要求8所述的装置，所述模型训练单元，包括：

样本切分在单元，用于对URL样本集中各个URL样本的参数请求部分进行字段切分，针对每个URL样本得到由对应各个字段的各个示例组成的多示例包；

示例包集合子单元，用于集合各个URL样本的多示例包得到多示例包集；

训练子单元，用于基于多示例学习算法，对多示例包集进行异常示例及非异常示例分类训练，得到所述URL异常定位模型。