一种基于深度学习的恶意程序攻击识别方法、系统及终端

    公开(公告)号:CN115883160A

    公开(公告)日:2023-03-31

    申请号:CN202211491425.8

    申请日:2022-11-25

    IPC分类号: H04L9/40 G06F21/56

    摘要: 本申请公开了一种基于深度学习的恶意程序攻击识别方法、系统及终端,该方法首先获取待测恶意攻击信息JSON字符串,根据所该字符串生成字符编码序列,然后对字符编码序列进行特征数据预处理,获取特征嵌入向量集合,其次,采用字符嵌入以及拼接的方法,根据字符编码序列形成上下文向量,并用上下文向量表示待测恶意攻击信息JSON字符串的全局特征;根据特征嵌入向量集合和全局特征,利用注意力机制捕获待测恶意攻击信息JSON字符串中的局部特征;然后对全局特征和局部特征进行拼接,生成攻击特征向量,最后根据攻击特征向量,对恶意程序攻击进行识别。通过本申请,能够有效提高恶意攻击程序识别的准确性和可靠性。

    一种反制方法、系统、设备及存储介质

    公开(公告)号:CN115865455A

    公开(公告)日:2023-03-28

    申请号:CN202211489380.0

    申请日:2022-11-25

    IPC分类号: H04L9/40

    摘要: 本申请实施例提供了一种反制方法、系统、设备及存储介质,用以解决现有的网络安全反制方法仅通过对攻击者的IP进行阻断,无法满足当前的防护要求的技术问题。方法包括:对所有的流量进行实时监测,生成流量数据包;识别所述流量数据包中的攻击流量,并进行标记;基于所述攻击流量收集攻击者的情报,并构建反向木马,对所述攻击者进行反制。利用监测到的攻击流量,对疑似攻击流量进行数据清洗以及关键信息提取,并调用网络威胁情报平台以及本地数据库中的IP信息。解决了当前网络安全监测人员需要结合工作经验以及安全设备的告警信息,对攻击者的IP进行阻断,不能满足实际的实际网络安全防护需求。