[发明专利]一种基于机器学习的未知攻击特征提取模型构建方法在审
| 申请号： | 201910692688.7 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110445776A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 左晓军;董立勉;陈泽;侯波涛;赵建斌;刘欣;常杰;董娜;郗波;王春璞;刘惠颖;张君艳;刘伟娜;王颖;郭禹伶;冯海燕 | 申请（专利权）人： | 国网河北省电力有限公司电力科学研究院;国网河北能源技术服务有限公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L12/24;G06N20/00;G06F17/16 |
| 代理公司： | 北京众泽信达知识产权代理事务所(普通合伙) 11701 | 代理人： | 王晓红 |
| 地址： | 050011 河北省*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的未知攻击特征提取模型构建方法，该方法根据算法计算特征，具有较高的鲁棒性和可解释性，经过试验，通过该方法得出的未知攻击特征用于检测该种特征的检测成功率高于人工检测法和常见的攻击特征自动提取技术，可以对绝大多数攻击行为进行检测；同时，特征提取速度，特征易用度和方法本身的可实施性都达到了一个较高的水平，有效的提高了方法的可行性。 | ||
| 搜索关键词： | 攻击特征 基于机器 模型构建 检测 攻击行为 人工检测 算法计算 特征提取 自动提取 解释性 鲁棒性 实施性 成功率 学习 试验 | ||
【主权项】：
1.一种基于机器学习的未知攻击特征提取模型构建方法，其特征在于：所述基于机器学习的未知攻击特征提取模型构建方法包括如下步骤：步骤一：收集待检测未知攻击的相关数据和相关对比安全数据；步骤二：对数据进行特征预提取，形成特征数据；步骤三：将特征数据中可能存在的字符数据转换成为数字形式，以数字矩阵方式输出；步骤四：对机器学习中的参数矩阵进行大小和内容的初始化；步骤五：将攻击数据输入模型，与参数矩阵相乘得出预测值；步骤六：计算预测值与实际值的偏差，得出误差值；步骤七：判断误差值是否满足条件，若不满足，根据误差值对参数矩阵中的参数进行更新后，回到步骤五，若满足则进行下一步骤；步骤八：完成训练输出矩阵参数，根据参数绝对值输出未知攻击特征。
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国网河北省电力有限公司电力科学研究院;国网河北能源技术服务有限公司，未经国网河北省电力有限公司电力科学研究院;国网河北能源技术服务有限公司许可，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/201910692688.7/，转载请声明来源钻瓜专利网。
