[发明专利]恶意请求检测方法及装置

说明书

本申请的实施例提供了一种恶意请求检测方法及装置。该恶意请求检测方法包括：获取请求数据集，所述请求数据集中包含有多个非法请求，所述非法请求是客户端的访问请求中未通过签名认证的请求；对所述多个非法请求进行特征降维处理，得到处理后的特征；基于所述处理后的特征对所述多个非法请求进行聚类处理，得到多个聚类结果；将所述多个聚类结果中的目标聚类结果所包含的非法请求确定为恶意请求，所述目标聚类结果为所述多个聚类结果中包含非法请求的数量最多的聚类结果。本申请实施例的技术方案实现了对恶意请求的主动检测，提高了用户信息和数据的安全性。

技术领域

本申请涉及计算机及通信技术领域，具体而言，涉及一种恶意请求检测方法及装置。

背景技术

随着互联网的高速发展，网络恶意攻击已经成为业界不可忽视的问题，如恶意请求等。为了应对恶意请求给服务器和/或用户带来的问题，目前主要是通过网关对访问请求进行签名认证，网关在收到访问请求时先验证签名是否有效，对签名无效的访问请求进行拒绝，此外，还可以对恶意请求采用检测技术进行检测。

然而，现有网关的签名认证方式并不能完全杜绝恶意请求的发生，恶意请求检测技术也存在检测迟滞等缺陷，很难做到真正的恶意请求防范。

发明内容

本申请的实施例提供了一种恶意请求检测方法及装置，进而至少在一定程度上实现了网关对恶意请求的主动检测，保证网关的正常运行，提高了用户信息和数据的安全性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种恶意请求检测方法，包括：获取请求数据集，所述请求数据集中包含有多个非法请求，所述非法请求是客户端的访问请求中未通过签名认证的请求；对所述多个非法请求进行特征降维处理，得到处理后的特征；基于所述处理后的特征对所述多个非法请求进行聚类处理，得到多个聚类结果；将所述多个聚类结果中的目标聚类结果所包含的非法请求确定为恶意请求，所述目标聚类结果为所述多个聚类结果中包含非法请求的数量最多的聚类结果。

根据本申请实施例的一个方面，提供了一种恶意请求检测装置，包括：第一获取单元，配置为获取请求数据集，所述请求数据集中包含有多个非法请求，所述非法请求是客户端的访问请求中未通过签名认证的请求；特征降维处理单元，配置为对所述多个非法请求进行特征降维处理，得到处理后的特征；聚类处理单元，配置为基于所述处理后的特征对所述多个非法请求进行聚类处理，得到多个聚类结果；第一确定单元，配置为将所述多个聚类结果中的目标聚类结果中所包含的非法请求确定为恶意请求，所述目标聚类结果为所述多个聚类结果中包含非法请求的数量最多的聚类结果。

在本申请的一些实施例中，基于前述方案，所述特征降维处理单元配置为：将所述多个非法请求输入特征降维模型，以获得所述特征降维模型输出的处理后的特征，所述特征降维模型是通过模型训练得到的；其中，所述模型训练过程包括：将包含有非法请求的训练样本输入预设网络模型中，所述预设网络模型包括输入层、多个隐含层以及输出层，所述输入层包含编码函数，所述输出层包含解码函数；针对所述训练样本，通过所述编码函数进行编码、所述多个隐含层逐级进行特征提取以及所述解码函数进行解码，输出得到重构样本；根据所述重构样本和所述训练样本的重构误差训练所述编码函数和解码函数中的参数，得到所述特征降维模型。

在本申请的一些实施例中，基于前述方案，所述聚类处理单元配置为：将所述处理后的特征从第一维度空间映射到第二维度空间，得到映射后的特征，所述第一维度空间为所述处理后的特征所在的维度空间，所述第一维度空间的维度低于所述第二维度空间的维度；基于所述映射后的特征对所述多个非法请求进行划分处理，得到多个划分结果，并将所述多个划分结果从所述第二维度空间映射到所述第一维度空间，得到所述多个聚类结果。