1 .一种基于人工智能的数据库异常访问检测方法,其特征在于,包括如下步骤:
抽取数据库中已有的用户正常访问记录,生成访问特征序列,并输入编码‑解码神经网
络模型进行迭代训练,达到预设条件后,完成编码‑解码神经网络模型的训练;
在有用户访问请求传入时,首先将用户访问请求生成访问特征序列,随后将访问特征
序列输入完成训练的编码‑解码神经网络模型,编码‑解码神经网络模型输出还原后的特征
序列,再后对访问特征序列和还原后特征序列进行近似度比较,以判定当前用户访问请求
是否正常,并在当前用户访问请求不正常时将访问请求记录加入异常访问黑名单;
当前用户不认同判定结果时,向超级管理员进行申诉;超级管理员接到申诉后,进行人
工判定,超级管理员赞同用户申诉后,触发白名单事件,将本次被申诉的访问请求记录加入
白名单列表。
2 .根据权利要求1所述的一种基于人工智能的数据库异常访问检测方法,其特征在于,
抽取数据库中已有的用户正常访问记录,采用特征工程方法对抽取记录进行处理,进而生
成访问特征序列;
生成的访问特征序列输入编码‑解码神经网络模型时,编码器首先将输入的特征序列
编码为一个定长的用户访问模式特征向量,解码器随后解码将该特征向量还原为一个特征
序列;
完成编码‑解码神经网络模型的训练后,对输入的访问特征序列和还原后的特征序列
进行近似度比较,根据比较结果预设阈值。
3 .根据权利要求2所述的一种基于人工智能的数据库异常访问检测方法,其特征在于,
对访问特征序列和还原后特征序列进行近似度比较,
若近似度大于预设阈值,则认为当前用户请求符合过往查询模式,判定为正常,然后按
照数据库系统原定路径允许用户进入下一步操作;
若近似度小于预设阈值,则认为当前用户请求与用户历史查询模式不同,将其判定为
异常访问,然后将该次请求加入异常访问黑名单,同时,拒绝本次请求并返回异常信息给用
户,若当前用户认为数据库系统误判其正常访问为异常,可向超级管理员提起申诉。
4 .根据权利要求3所述的一种基于人工智能的数据库异常访问检测方法,其特征在于,
超级管理员接到申诉后,在黑名单中查询获取对应的访问请求记录,若超级管理员赞同用
户申诉,认为该判定结果属于误判时,在异常访问黑名单中删除该访问请求记录,随后触发
白名单事件。
5 .根据权利要求4所述的一种基于人工智能的数据库异常访问检测方法,其特征在于,
触发白名单事件后,抽取白名单列表中新加入的访问请求记录,生成访问特征序列,编码‑
解码神经网络模型利用该访问特征序列进行在线学习和更新。
6 .一种基于人工智能的数据库异常访问检测模型,其特征在于,其包括:
数据处理模块一,用于抽取数据库中已有的用户正常访问记录,生成访问特征序列;
训练模块,用于将生成的访问特征序列输入编码‑解码神经网络模型进行迭代训练,训
练结果达到预设条件后,输出完成训练的编码‑解码神经网络模型;
数据处理模块二,用于获取用户的访问请求,生成访问特征序列,还用于将访问特征序
列输入完成训练的编码‑解码神经网络模型,完成训练的编码‑解码神经网络模型输出还原
后的特征序列;
权 利 要 求 书
1/2 页
2
评论