[发明专利]一种网络攻击检测方法及装置

权利要求书

1.一种网络攻击检测方法，其特征在于，包括：

获取网站请求；

利用机器学习模型组件确定所述网站请求是否属于第一攻击类型；所述机器学习模型组件利用第一数量的属于所述第一攻击类型的第一网站请求样本集从第二数量的属于第二攻击类型的第二网站请求样本集迁移学习得到；

所述机器学习模型组件被设置为按照下述方式训练得到：

获取所述第一网站请求样本集和所述第二网站请求样本集；

确定所述第一网站请求样本集和所述第二网站请求样本集中具有相同重要程度的分词；

将具有相同重要程度的分词在样本集中的出现概率从所述第二网站请求样本集中迁移至所述第一网站请求样本集中；

根据所述第一网站请求样本集中的分词在样本集中的出现概率及所述第一网站请求样本集，训练得到用于检测所述第一攻击类型的机器学习模型组件。

2.根据权利要求1所述的网络攻击检测方法，其特征在于，所述第二数量与所述第一数量的比值大于等于1000。

3.根据权利要求1所述的网络攻击检测方法，其特征在于，所述确定所述第一网站请求样本集和所述第二网站请求样本集中具有相同重要程度的分词包括：

分别提取所述第一网站请求样本集和所述第二网站请求样本集中样本数据的分词；

分别计算所述分词在所在样本集中的词权重值；

根据所述词权重值，确定所述第一网站请求样本集和所述第二网站请求样本集中具有相同重要程度的分词。

4.根据权利要求3所述的网络攻击检测方法，其特征在于，所述根据所述词权重值，确定所述第一网站请求样本集和所述第二网站请求样本集中具有相同重要程度的分词包括：

在确定所述第一网站请求样本集和所述第二网站请求样本集中两个分词的词权重值的差值在预设范围之内的情况下，确定所述两个分词具有相同重要程度。

5.根据权利要求3或4所述的网络攻击检测方法，其特征在于，所述词权重值包括词频-逆文本频率指数。

6.根据权利要求1所述的网络攻击检测方法，其特征在于，所述将具有相同重要程度的分词在样本集中的出现概率从所述第二网站请求样本集迁移至所述第一网站请求样本集中包括：

获取所述第二网站请求样本集中各个分词在所述第二网站请求样本集中的出现概率；

将所述第二网站请求样本集中分词的出现概率赋值给所述第一网站请求样本集中具有相同重要程度的分词。

7.根据权利要求1所述的网络攻击检测方法，其特征在于，所述机器学习模型组件包括利用朴素贝叶斯算法训练得到的分类器。

8.根据权利要求7所述的网络攻击检测方法，其特征在于，所述根据所述第一网站请求样本集中的分词在样本集中的出现概率，训练得到用于检测所述第一攻击类型的机器学习模型组件包括：

构建分类器，将所述第一网站请求样本集中的样本数据、所述样本数据中分词的出现概率作为所述分类器的输入，将所述样本数据的分类结果作为所述分类器的输出；

将所述第一攻击类型的出现概率以及在已知是所述第一攻击类型的情况下出现所述分词的条件概率作为所述分类器的训练参数，利用朴素贝叶斯算法对所述分类器进行训练，调整所述训练参数，直至所述分类器达到预设要求。

9.根据权利要求1所述的网络攻击检测方法，其特征在于，在所述利用机器学习模型组件确定所述网站请求是否属于第一攻击类型之后，还包括：

在确定所述网站请求属于所述第一攻击类型的情况下，拦截所述网站请求。

10.一种网络攻击检测方法，其特征在于，包括：

获取网站请求；

将所述网站请求分别输入至多个机器学习模型组件中，确定所述网站请求的攻击类型，所述多个机器学习模型组件分别用于识别不同的网站攻击类型，所述多个机器学习模型组件中的至少一个利用权利要求1-9中任意一项所述的网络攻击检测方法检测所述网站请求。