[发明专利]安全防御方法及装置

权利要求书

1.一种安全防御方法，其特征在于，包括：

获取网络攻击的实时数据；

将所述实时数据输入至安全防御神经网络模型中，得到安全防御配置参数；其中，所述安全防御神经网络模型是根据多种类型网络攻击的历史数据和安全防御配置参数的历史信息预先建立；

根据得到的安全防御配置参数，对网络攻击进行安全防御；

所述安全防御神经网络模型，按如下方法预先建立：

获取多种类型网络攻击的历史数据和安全防御配置参数的历史信息；

根据所述多种类型网络攻击的历史数据，基于特征提取，建立多种类型网络攻击的攻击模型；所述攻击模型用于表征不同类型网络攻击的攻击配置参数；根据网关系统的网络请求数量决定攻击模型是线性模型还是函数式模型；

根据所述攻击模型和所述安全防御配置参数的历史信息，基于深度学习算法，建立安全防御神经网络模型；

按照第二预定比例抽取所述安全防御配置参数的历史信息，构架测试数据集；根据所述攻击模型和所述测试数据集，调整所述安全防御神经网络模型的网络层的层数和神经网络模型参数；根据调整后的网络层的层数和神经网络模型参数，更新所述安全防御神经网络模型；

根据所述攻击模型和所述测试数据集，调整所述安全防御神经网络模型的网络层的层数和神经网络模型参数，包括：根据所述攻击模型和所述测试数据集，测试所述安全防御神经网络模型；若测试结果的准确率低于第一预设阈值，增加所述安全防御神经网络模型的网络层的层数，调整神经网络模型参数；若测试速度低于第二预设阈值，减少所述安全防御神经网络模型的网络层的层数，调整神经网络模型参数。

2.如权利要求1所述的方法，其特征在于，根据所述攻击模型和所述安全防御配置参数的历史信息，基于深度学习算法，建立安全防御神经网络模型，包括：

按照第一预定比例抽取所述安全防御配置参数的历史信息，构架训练数据集；

根据所述攻击模型和所述训练数据集，构建网络层，得到神经网络模型参数；

根据所述神经网络模型参数和构建好的网络层，建立安全防御神经网络模型。

3.一种安全防御装置，其特征在于，包括：

数据获取模块，用于获取网络攻击的实时数据；

防御配置参数确定模块，用于将所述实时数据输入至安全防御神经网络模型中，得到安全防御配置参数；其中，所述安全防御神经网络模型是根据多种类型网络攻击的历史数据和安全防御配置参数的历史信息预先建立；

安全防御模块，用于根据得到的安全防御配置参数，对网络攻击进行安全防御；

所述装置还包括模型预先建立模块，用于按如下方法预先建立所述安全防御神经网络模型：

获取多种类型网络攻击的历史数据和安全防御配置参数的历史信息；

根据所述多种类型网络攻击的历史数据，基于特征提取，建立多种类型网络攻击的攻击模型；所述攻击模型用于表征不同类型网络攻击的攻击配置参数；根据网关系统的网络请求数量决定攻击模型是线性模型还是函数式模型；

根据所述攻击模型和所述安全防御配置参数的历史信息，基于深度学习算法，建立安全防御神经网络模型；

所述模型预先建立模块还包括：

测试单元用于：按照第二预定比例抽取所述安全防御配置参数的历史信息，构架测试数据集；根据所述攻击模型和所述测试数据集，调整所述安全防御神经网络模型的网络层的层数和神经网络模型参数；根据调整后的网络层的层数和神经网络模型参数，更新所述安全防御神经网络模型；

所述测试单元具体用于：根据所述攻击模型和所述测试数据集，测试所述安全防御神经网络模型；若测试结果的准确率低于第一预设阈值，增加所述安全防御神经网络模型的网络层的层数，调整神经网络模型参数；若测试速度低于第二预设阈值，减少所述安全防御神经网络模型的网络层的层数，调整神经网络模型参数。

4.如权利要求3所述的装置，其特征在于，所述模型预先建立模块包括：

训练单元用于：

按照第一预定比例抽取所述安全防御配置参数的历史信息，构架训练数据集；

根据所述攻击模型和所述训练数据集，构建网络层，得到神经网络模型参数；

根据所述神经网络模型参数和构建好的网络层，建立安全防御神经网络模型。