一种识别端口扫描行为的检测方法及装置与流程

文档序号:37492400发布日期:2024-04-01 14:00阅读:来源:国知局

技术特征:

1.一种识别端口扫描行为的检测方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述q神经网络模型中包括选项输出层、策略网络层和终止条件网络层;

3.如权利要求2所述的方法,其特征在于,所述通过各样本行为,按时序对各选项进行训练,包括:

4.如权利要求2所述的方法,其特征在于,所述q神经网络模型是通过如下方式训练得到的,包括:

5.如权利要求4所述的方法,其特征在于,所述根据所述选项输出层输出的动作对应的奖励,包括:

6.如权利要求2所述的方法,其特征在于,所述动作链包括选取第一模型的参数、调整第一模型的参数、第一模型训练结束,选取第二模型的参数、调整第二模型的参数、第二模型训练结束。

7.如权利要求1至6任一所述的方法,其特征在于,所述确定各行为数据对应的行为特征,包括:

8.一种识别端口扫描行为的检测装置,其特征在于,包括:

9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~6任一所述方法的步骤。

10.一种计算机可读存储介质,其特征在于,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行权利要求1~6任一所述方法的步骤。


技术总结
本申请实施例提供一种识别端口扫描行为的检测方法及装置,应用在人工智能技术领域,包括:采集网络环境中各主机进程的行为数据,并确定各行为数据对应的行为特征;将各行为特征分别输入至第一模型,确定各行为数据中的疑似端口扫描行为;将任一疑似端口扫描行为对应的行为特征输入至第二模型,确定疑似端口扫描行为是否为端口扫描行为以及对应的端口扫描类型。解决了现有技术中由于各类样本数量严重不均产生过拟合的问题,并且通过训练出Q神经网络模型,第一模型和第二模型可以直接部署在各种网络环境中,且第一模型和第二模型可以根据网络变化和端口扫描检测情况迭代模型,节省了人工训练模型迭代模型所消耗的人力,提高了模型的训练效率。

技术研发人员:陈清宇,张强,李杰,彭晶,陈顺意
受保护的技术使用者:深圳前海微众银行股份有限公司
技术研发日:
技术公布日:2024/3/31
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1