[发明专利]基于机器学习提高风险感知能力的方法及装置、计算机设备和存储介质有效
| 申请号： | 201811545209.0 | 申请日： | 2018-12-17 |
| 公开（公告）号： | CN109547466B | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 马东辉;李剑刚 | 申请（专利权）人： | 北京车和家信息技术有限公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06N20/00 |
| 代理公司： | 北京友联知识产权代理事务所(普通合伙) 11343 | 代理人： | 尚志峰;汪海屏 |
| 地址： | 100102 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于机器学习提高风险感知能力的方法及装置、计算机设备和存储介质，该方法包括：对数据中心的数据进行黑白名单机制处理、正则规则处理和人工识别处理中的至少一种处理，得到被标记上恶意特征的数据；将被标记上恶意特征的数据写入机器学习的恶意样本数据集；至少利用恶意样本数据集，通过机器学习算法生成恶意流量模板；判定检测数据与恶意流量模板的匹配性；根据匹配结果确定检测数据是否为恶意数据。本发明提供的方法，不断优化风险感知的机器学习算法，持续提高风险感知能力，使得传统的攻击或者新型的攻击能快速的提前感知，提前建立对应的防御方案或防护措施，使得攻击者的攻击无法产生影响或把影响的损失降到最小。 | ||
| 搜索关键词： | 基于 机器 学习 提高 风险 感知 能力 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
1.一种基于机器学习提高风险感知能力的方法，其特征在于，包括：对数据中心的数据进行黑白名单机制处理、正则规则处理和人工识别处理中的至少一种处理，得到被标记上恶意特征的数据；将被标记上恶意特征的数据写入机器学习的恶意样本数据集；至少利用所述恶意样本数据集，通过机器学习算法生成恶意流量模板；判定检测数据与所述恶意流量模板的匹配性；根据匹配结果确定所述检测数据是否为恶意数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京车和家信息技术有限公司，未经北京车和家信息技术有限公司许可，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/patent/201811545209.0/，转载请声明来源钻瓜专利网。
