基本信息:
- 专利标题： 基于深度学习和多维特征识别的网页挖矿攻击检测方法及系统
- 申请号：CN202311238683.X 申请日：2023-09-25
- 公开(公告)号：CN119696803A 公开(公告)日：2025-03-25
- 发明人： 吴松洋 , 杨涛 , 谢康 , 胡秉晖 , 林祥
- 申请人： 公安部第三研究所 , 上海交通大学
- 申请人地址： 上海市徐汇区岳阳路76号
- 专利权人： 公安部第三研究所,上海交通大学
- 当前专利权人： 公安部第三研究所,上海交通大学
- 当前专利权人地址： 上海市徐汇区岳阳路76号
- 代理机构： 上海交达专利事务所
- 代理人： 王毓理; 王锡麟
- 主分类号： H04L9/40
- IPC分类号： H04L9/40
摘要：
一种基于深度学习和多维特征识别的网页挖矿攻击检测方法及系统，在离线阶段通过对采集到的流量进行预处理并生成灰度图后，分别用于训练两个基于VGG‑16的网页挖矿流量检测模型；对提取到的JavaScript脚本进行反混淆以及字符替换处理后，分别用于训练两个基于BiLSTM的网页挖矿JavaScript脚本检测模型；在在线阶段通过训练后的网页挖矿流量检测模型和网页挖矿JavaScript脚本检测模型进行分类，并将分类结果进行多维特征融合，实现网页挖矿攻击检测。本发明从挖矿网络流量和挖矿JavaScript脚本两个方面对挖矿行为进行检测。通过直接将原始流量数据和JavaScript脚本作为输入，实现了端到端的网页挖矿攻击检测，无需手动设计特征，从而提升了检测方法的泛化能力和鲁棒性。