[发明专利]一种计算机安全防护方法

权利要求书

1.一种计算机安全防护方法，所述计算机上运行神经网络，其特征在于，该方法包括：

步骤S1，将数据集分为训练集和验证集，利用训练集训练神经网络，获取训练好的神经网络；

步骤S2，在训练集中随机选取多个训练样本，在每个训练样本中提取多个子区域，对于每个训练样本中的每个子区域都执行步骤S3；

步骤S3，计算子区域中各个像素点的梯度并判断子区域中是否存在异常像素点，若不存在，则对下一子区域进行分析；若仅存在一个异常像素点，则该子区域为异常子区域；若存在至少两个异常像素点，则根据任意两个异常像素点之间的距离对异常像素点进行有效异常像素点提取；若仅存在一个有效异常像素点，则该子区域为异常子区域，若存在至少两个有效异常像素点，则计算有效异常像素点间的离散度，离散度大于离散度阈值时，该子区域为异常子区域；

步骤S4，若随机选取的多个训练样本均未检测到异常子区域，则终止执行，并选择计算机安全防护策略，否则，根据每个异常子区域中像素点的梯度获取每个异常子区域的梯度矩阵，并在所述验证集中随机选取多个验证样本，基于梯度矩阵和验证样本生成异常验证图像；

步骤S5，所述验证样本经过所述训练好的神经网络输出第一数据，与验证样本对应的异常验证图像经过所述训练好的神经网络输出第二数据，计算第一数据与第二数据的相似度，基于相似度判断所述训练好的神经网络是否具备对抗数据中毒的防御功能；根据是否具备防御功能的判断结果选择计算机安全防护策略；

所述判断子区域中是否存在异常像素点的判断方法为：计算子区域中每个像素点的梯度异常值ε₁，g为像素点的梯度，为子区域的平均梯度，ε₁大于等于异常值阈值的像素点为异常像素点；

所述根据任意两个异常像素点之间的距离对异常像素点进行有效异常像素点提取的具体提取过程为：任选一个异常像素点，根据距离计算公式ε₂＝|x-x_m|+|y-y_m|-2分别计算该异常像素点与其他各个异常像素点之间的距离，若该异常像素点与其他各个异常像素点之间的距离均大于等于0，则该异常像素点为有效异常像素点；(x,y)表示该任选的一个异常像素点的坐标，(x_m,y_m)表示其他异常像素点中任一异常像素点的坐标；

所述离散度的计算方法为：对有效异常像素点进行两两匹配，共需要匹配p次，得到p对匹配对，则离散度表示第r对匹配对之间的距离；

所述基于梯度矩阵和验证样本生成异常验证图像具体步骤为：在验证样本中随机选择一个像素点，以该像素点为中心，划分目标区域，根据梯度矩阵中的正常梯度在目标区域内确定第一目标点，根据梯度矩阵中的异常梯度在目标区域内确定第二目标点；首先，第二目标点像素值不变，对第一目标点的像素值进行修改，使第二目标点成为异常像素点，并生成异常点梯度约束；其次，对每一个第一目标点进行如下处理：该第一目标点的像素值不变，对其他第一目标点的像素值进行修正，保证该第一目标点不是异常像素点，并生成正常点梯度约束；最终，根据多组梯度约束求解目标区域内各像素点的像素值，得到异常验证图像。

2.如权利要求1所述的方法，其特征在于，所述在每个训练样本中提取多个子区域具体为：对于每个训练样本，利用滑窗在训练样本中滑动进行子区域的提取。

3.如权利要求2所述的方法，其特征在于，所述滑窗大小为3*3。

4.如权利要求3所述的方法，其特征在于，所述数据集中样本尺寸为I*J，滑窗步长为k,则滑窗可移动的行区间为[1+k,I-k],列区间为[1+k,J-k]。

5.如权利要求1所述的方法，其特征在于，所述目标区域的尺寸和滑窗的大小相同。

6.如权利要求1所述的方法，其特征在于，所述防护策略包括第一防护策略和第二防护策略，若随机选取的多个训练样本均未检测到异常子区域或训练好的神经网络具备对抗数据中毒的防御功能，则选择第一防护策略，反之，则选择第二防护策略。