[发明专利]一种检测暴力破解行为的方法、装置、介质及设备

权利要求书

1.一种检测暴力破解行为的方法，其特征在于，包括：

采集网络访问过程中的流量数据；

根据所述流量数据，采用机器学习算法，建立检测暴力破解行为的检测模型；

利用所述检测模型检测在指定时间段内产生的流量数据中是否存在暴力破解行为。

2.根据权利要求1所述的方法，其特征在于，所述根据所述流量数据，采用机器学习算法，建立检测暴力破解行为的检测模型，包括：

对所述流量数据进行数据预处理，获得所述流量数据的属性信息；

对所述属性信息进行分组；

提取每组数据在时间维度和包内容大小维度上的特征值；

根据所述特征值，采用机器学习算法，建立检测暴力破解行为的检测模型。

3.根据权利要求2所述的方法，其特征在于，所述属性信息，包括：数据生成时间、源IP、目的IP、源端口号、目的端口号和包的长度；

所述对所述属性信息进行分组，包括：

将具有相同的源IP和目的IP的属性信息分为一组。

4.根据权利要求3所述的方法，其特征在于，所述提取每组数据在时间维度和包内容大小维度上的特征值，包括：

提取每组数据中的会话次数、会话平均持续时间、会话平均间隔时间、会话内容平均长度和会话平均端口号间隔的特征值。

5.根据权利要求2所述的方法，其特征在于，所述根据所述特征值，采用机器学习算法，建立检测暴力破解行为的检测模型，包括：

采用局部异常因子算法，分离所述特征值中的异常数据和正常数据；

对所述异常数据和正常数据进行修正，将修正后的异常数据和正常数据作为样本数据；

根据所述样本数据，采用机器学习算法，建立检测暴力破解行为的检测模型。

6.根据权利要求5所述的方法，其特征在于，在所述采用局部异常因子算法，分离所述特征值中的异常数据和正常数据的步骤之前，还包括：

采用指数函数和/或高斯函数，缩小所述特征值中的正常数据，放大所述特征值中的异常数据。

7.根据权利要求5或6所述的方法，其特征在于，所述根据所述样本数据，采用机器学习算法，建立检测暴力破解行为的检测模型，包括：

将所述样本数据分为训练样本数据和验证样本数据；

利用所述训练样本数据，训练决策树算法模型，建立检测暴力破解行为的检测模型；

利用所述验证样本数据，对所述检测模型的参数进行调整。

8.一种检测暴力破解行为的装置，其特征在于，包括：

数据采集模块，用于采集网络访问过程中的流量数据；

模型建立模块，用于根据所述流量数据，采用机器学习算法，建立检测暴力破解行为的检测模型；

暴力破解检测模块，用于利用所述检测模型检测在指定时间段内产生的流量数据中是否存在暴力破解行为。

9.一种检测暴力破解行为的设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。