[发明专利]一种web请求异常检测的方法、装置、设备及可读介质

权利要求书

1.一种web请求异常检测的方法，其特征在于，包括以下步骤：

收集若干条web请求，并提取所有web请求中的预设属性；

将提取出的预设属性转换为数据向量；

配置构建神经网络的参数，并将所述数据向量作为数据样本输入到神经网络中进行训练以得到训练后的神经网络模型；

使用所述训练后的神经网络模型对再次接受到的web请求进行分类以检测异常的web请求。

2.根据权利要求1所述的方法，其特征在于，所述预设属性包括请求耗时、请求方法、数据包数目、请求方法危险标记、参数个数、内容长度、状态码、请求类别和请求频度。

3.根据权利要求2所述的方法，其特征在于，将提取出的预设属性转换为数据向量包括：

对所述预设属性中的耗时、数据包数目、参数个数、内容长度和请求频度采用max-min方法进行标准化；

将请求方法危险标记和请求类别采用0或1表示；

将请求方法和状态码的所有状态进行编码，然后对编码采用max-min方法进行标准化；

将预设属性中的各项分别用变量x1至x9表示，数据向量X＝(x1，x2，x3，x4，x5，x6，x7，x8，x9)。

4.根据权利要求3所述的方法，其特征在于，所述神经网络为使用matlab神经网络工具构建的BP神经网络。

5.根据权利要求4所述的方法，其特征在于，配置构建神经网络的参数，并将所述数据向量作为数据样本输入到神经网络中进行训练以得到训练后的神经网络模型包括：

将隐含层与输出层的激活函数分别设为tansig函数与purelin函数，训练方法采用自适应梯度下降法；

输入层节点数设为9，输出层节点数设为1，动量系数设定为0.4，学习率设定为0.001，每次训练5000次，隐含层节点数设定为8；

将所述数据向量输入到神经网络中进行训练后得到训练后的神经网络模型。

6.根据权利要求1所述的方法，其特征在于，使用所述训练后的神经网络模型对再次接受到的web请求进行分类以检测异常的web请求包括：

提取再次接受到的web请求中的预设属性，并将提取到的预设属性转换为数据向量；

将转换的数据向量输入到所述神经网络模型中进行分类以判断再次接受到的web请求是否为异常请求；

响应于是异常请求，发出警告。

7.根据权利要求6所述的方法，其特征在于，响应于是异常请求，发出警告包括：

将警告信息通过网络发送到管理员的移动设备和电子邮箱中，并在web界面中显示警告信息。

8.一种web请求异常检测的装置，其特征在于，所述装置包括：

提取模块，所述提取模块配置为收集若干条web请求，并提取所有web请求中的预设属性；

转换模块，所述转换模块配置为将提取出的预设属性转换为数据向量；

配置模块，所述配置模块配置为配置构建神经网络的参数，并将所述数据向量作为数据样本输入到神经网络中进行训练以得到训练后的神经网络模型；

检测模块，所述检测模块配置为使用所述训练后的神经网络模型对再次接受到的web请求进行分类以检测异常的web请求。

9.一种计算机设备，其特征在于，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-7任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。