[发明专利]异常IP地址的检测方法、装置与电子设备有效
| 申请号: | 201811418960.4 | 申请日: | 2018-11-26 |
| 公开(公告)号: | CN109729069B | 公开(公告)日: | 2021-12-28 |
| 发明(设计)人: | 苏涛;陈国庆 | 申请(专利权)人: | 武汉极意网络科技有限公司 |
| 主分类号: | H04L29/06 | 分类号: | H04L29/06 |
| 代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;吴欢燕 |
| 地址: | 430000 湖北省武汉市东湖开发区大学*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 异常 ip 地址 检测 方法 装置 电子设备 | ||
1.一种异常IP地址的检测方法,其特征在于,包括:
基于极验验证码人机交互数据,分析字段值中出现的异常字符串,并基于所述异常字符串,提炼给定规则,给出所述给定规则的风险水平;
若检测到任一IP地址的任一条数据触碰到所述给定规则,则基于所述给定规则的风险水平,对该IP地址下多个网站平台的多条数据给出基础打分;
基于所述IP地址下的所述基础打分,对所述IP地址进行总体风险打分;
所述基于所述IP地址下的所述基础打分,对所述IP地址进行总体风险打分的步骤具体包括:
基于所述基础打分,利用打分模型,计算所述IP地址的总体风险打分,其中,所述打分模型按如下方式获取:
基于用户端反馈或者数据分析,得出不同风险程度的异常IP地址作为训练样本,并基于所述异常IP地址的访问数据量和触碰所述给定规则的情况,从所述训练样本中提取特征,训练一个回归模型,获取所述打分模型;
基于所述总体风险打分和所述IP地址的类型,检测所述IP地址是否为异常IP地址,并在检测为是时,将所述IP地址加入异常IP地址库;
其中,在获取所述IP地址总体风险打分的基础上,判断所述IP地址的类型是否为数据平台、基站、公网IP、家用宽带;
在所述在检测为是时的步骤之后,还包括:
查询所述IP地址是否已存在于所述异常IP地址库中,若是,则以所述IP地址当前的总体风险打分,更新所述异常IP地址库中该IP地址的总体风险打分。
2.根据权利要求1所述的方法,其特征在于,所述基于所述给定规则的风险水平,对该IP地址下多个网站平台的多条数据给出基础打分的步骤具体包括:
检测所述给定规则中被所述IP地址的数据触碰到的每一条规则,并基于触碰到的每一条规则分别对应的风险水平,对该数据给出所述基础打分。
3.根据权利要求1-2中任一项所述的方法,其特征在于,在所述将所述IP地址加入异常IP地址库的步骤之后,还包括:
若检测到所述异常IP地址库中的任一IP地址再次出现,则分别检测该IP地址的每条数据是否触碰所述给定规则,若均未触碰,则将该IP地址从所述异常IP地址库中剔除。
4.根据权利要求1所述的方法,其特征在于,在所述将所述IP地址加入异常IP地址库的步骤之后,还包括:为所述IP地址设定基本时效,并在所述IP地址在所述异常IP地址库中的存在时长达到所述基本时效时,将所述IP地址从所述异常IP地址库中剔除。
5.一种异常IP地址的检测装置,其特征在于,包括:
基于极验验证码人机交互数据,分析字段值中出现的异常字符串,并基于所述异常字符串,提炼给定规则,给出所述给定规则的风险水平;
第一打分模块,用于若检测到任一IP地址的任一条数据触碰到所述给定规则,则基于所述给定规则的风险水平,对该IP地址下多个网站平台的多条数据给出基础打分;
第二打分模块,用于基于所述IP地址下的所述基础打分,对所述IP地址进行总体风险打分;
所述第二打分模块进一步用于基于所述基础打分,利用打分模型,计算所述IP地址的总体风险打分,其中,所述打分模型按如下方式获取:
基于用户端反馈或者数据分析,得出不同风险程度的异常IP地址作为训练样本,并基于所述异常IP地址的访问数据量和触碰所述给定规则的情况,从所述训练样本中提取特征,训练一个回归模型,获取所述打分模型;
检测输出模块,用于基于所述总体风险打分和所述IP地址的类型,检测所述IP地址是否为异常IP地址,并在检测为是时,将所述IP地址加入异常IP地址库;
其中,在获取所述IP地址总体风险打分的基础上,判断所述IP地址的类型是否为数据平台、基站、公网IP、家用宽带;
所述检测输出模块进一步用于:在所述在检测为是时之后,查询所述IP地址是否已存在于所述异常IP地址库中,若是,则以所述IP地址当前的总体风险打分,更新所述异常IP地址库中该IP地址的总体风险打分。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉极意网络科技有限公司,未经武汉极意网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811418960.4/1.html,转载请声明来源钻瓜专利网。





