[发明专利]拟态判决方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种拟态判决方法，应用于拟态防御系统，所述拟态防御系统包括至少两个异构执行体，所述方法包括：

获取每个所述异构执行体输出的第一数据；

基于预设的机器学习模型，确定每个所述第一数据对应的异常概率值，其中，所述异常概率值表示所述第一数据为异常的可能性大小，所述机器学习模型为卷积神经网络模型，所述确定每个所述第一数据对应的异常概率值，具体包括：将所述第一数据处理为预设数据长度，得到相应的第二数据；将所述第二数据转换为二维形式，得到相应的第三数据；将所述第三数据输入所述机器学习模型，得到所述第一数据对应的异常概率值；

确定各所述异常概率值中的最小异常概率值；

确定所述最小异常概率值是否小于预设概率阈值；

响应于确定小于，将所述最小异常概率值对应的所述第一数据确定为所述拟态防御系统的输出结果；

响应于确定不小于，将所述拟态防御系统的输出结果确定为无效输出结果。

2.根据权利要求1所述的方法，其中，所述将所述第一数据处理为预设数据长度，得到相应的第二数据，包括：

确定所述第一数据的数据长度是否大于或者等于所述预设数据长度；

响应于确定是，对所述第一数据进行截取，以得到所述第二数据；

响应于确定否，对所述第一数据进行填充，以得到所述第二数据。

3.根据权利要求1或2所述的方法，其中，所述机器学习模型通过以下方式训练得到：

获取训练样本集，所述训练样本集中的样本包括样本第一数据和表示所述样本第一数据是否异常的标签；

基于所述训练样本集对初始机器学习模型进行训练，直至满足预设训练结束条件；

将训练后的所述初始机器学习模型确定为所述机器学习模型。

4.根据权利要求3所述的方法，其中，所述基于所述训练样本集对初始模型进行机器学习训练，包括：

将所述样本第一数据处理为所述预设数据长度，得到相应的样本第二数据；

对所述样本第二数据进行随机化处理，以将所述样本第二数据中包含的目标信息设置为随机值；

将随机化处理后的所述样本第二数据转换为所述二维形式，得到相应的样本第三数据；

将所述样本第三数据输入所述初始机器学习模型，直至满足所述预设训练结束条件。

5.一种拟态判决装置，应用于拟态防御系统，所述拟态防御系统包括至少两个异构执行体，所述装置包括：

获取模块，被配置为获取每个所述异构执行体输出的第一数据；

第一确定模块，被配置为基于预设的机器学习模型，确定每个所述第一数据对应的异常概率值，其中，所述异常概率值表示所述第一数据为异常的可能性大小，所述机器学习模型为卷积神经网络模型，所述确定每个所述第一数据对应的异常概率值，具体包括：将所述第一数据处理为预设数据长度，得到相应的第二数据；将所述第二数据转换为二维形式，得到相应的第三数据；将所述第三数据输入所述机器学习模型，得到所述第一数据对应的异常概率值；

第二确定模块，被配置为确定各所述异常概率值中的最小异常概率值；

第三确定模块，被配置为确定所述最小异常概率值是否小于预设概率阈值；响应于确定小于，将所述最小异常概率值对应的所述第一数据确定为所述拟态防御系统的输出结果；响应于确定不小于，将所述拟态防御系统的输出结果确定为无效输出结果。

6.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

7.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。