[发明专利]挑战黑洞攻击的防御方法、装置、计算机设备和存储介质

说明书

本申请涉及一种挑战黑洞攻击的防御方法、装置、计算机设备和存储介质，其该方法包括：根据url访问请求获取url请求数据；将所述请求数据输入预先训练好的url请求模型，得到请求量阈值；其中，所述url请求模型为基于目标站点的访问行为数据训练得到的机器学习模型；基于所述请求量阈值判定是否放行所述url访问请求。通过本申请，减少了误拦截人为产生的正常访问请求的情况出现，提高辨别出真实攻击的概率。

技术领域

本申请涉及网络安全技术领域，特别是涉及一种挑战黑洞攻击的防御方法、装置、计算机设备和存储介质。

背景技术

挑战黑洞攻击(CC攻击，Challenge Collapsar)是一种基于页面的的分布式拒绝服务(DDoS，Distributed Denial of Service)攻击。常见的CC攻击大多数是主机资源消耗型，它不会产生特别大的异常流量。CC攻击通过代理、发动肉鸡，生成大量合法的网页请求，统一指向某一受害主机。受害主机被动的接收大量合法网页请求，消耗时间、运算能力去响应攻击者请求，最终崩溃。CC攻击不可以用硬件防火墙来过滤，CC攻击本身就是正常的请求。

通常的CC防御规则对触发请求数阈值的源IP进行拦截，一旦访问超过阈值，web后台服务器生成一个或多个随机数，每个随机数映射一张含有待解答问题的图片，所有图片以二进制形式存储在数据库(或文件系统)中，最终通过web服务器自身链接到一个动态页面，给浏览器终端返回验证图片，等待浏览器终端计算结果返给web服务器。此类方案的主要缺点如下：1)Web后台服务器通常情况下不考虑url种类、访问时间范围等多方因素，而直接设置访问阈值，会影响体验；2)通过图片进行校验存在维护难题。由于图片并不是实时生成的，而是从一个已经生成好的池子中生成的，会重复利用。若攻击者使用较强的图片识别技术，则会遍历学习完图片问题，然后实施重放攻击；3)若出现网站活动、集中访问的情况，易出现误拦截的情况。

发明内容

本申请实施例提供了一种挑战黑洞攻击的防御方法、装置、计算机设备和存储介质，以至少解决相关技术中防御方法不合理、易出现误拦截的问题。

第一方面，本申请实施例提供了一种挑战黑洞攻击的防御方法，包括：

根据url访问请求获取url请求数据；

将所述请求数据输入预先训练好的url请求模型，得到请求量阈值；其中，所述url请求模型为基于目标站点的访问行为数据训练得到的机器学习模型；

基于所述请求量阈值判定是否放行所述url访问请求。

在其中一些实施例中，所述url请求模型包括请求速率基线、请求离散度基线中的至少之一；其中，所述请求速率基线为单一请求端对同一url访问请求的请求速率；所述请求离散度基线为请求时间间隔内单一请求端对url访问请求的请求项数。

在其中一些实施例中，所述url请求模型包括请求速率基线，则根据url访问请求提取url请求数据之前，还包括：

获取目标站点的访问行为数据；

从所述访问行为数据中提取训练样本；所述训练样本包括单一请求端不同请求时间间隔内不同url地址的访问速率；

将单一请求端所述请求时间间隔、url地址作为url请求模型的输入，将所述请求时间间隔内url地址对应的目标站点的访问速率作为url请求模型的输出进行训练，得到请求速率基线。

在其中一些实施例中，所述url请求模型包括请求离散度基线，则根据url访问请求提取url请求数据之前，还包括：

获取目标站点的访问行为数据；

从所述访问行为数据中提取训练样本；所述训练样本包括单一请求端请求时间间隔内url访问请求的请求离散度；