申请/专利权人：天津大学

申请日：2022-09-21

公开（公告）日：2024-04-09

公开（公告）号：CN115622744B

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.02.10#实质审查的生效;2023.01.17#公开

摘要：本发明公开了一种加密流量下的web漏洞扫描攻击检测系统，包括流量预处理模块、主机级流量行为数据表示模块、TLS握手特征提取模块和深度学习模型模块；通过从主机级流量中提取行为特征和依赖于扫描器应用本身实现的TLS握手特征进行融合，实现在加密流量下对web漏洞扫描器的高精度检测。实验结果表明，本发明在扫描不同网站的数据下可以达到94％以上的精度。

主权项：1.一种加密流量下的web漏洞扫描攻击检测系统，其特征在于，包括流量预处理模块、主机级流量行为数据表示模块、TLS握手特征提取模块和深度学习模型模块；所述流量预处理模块用于以pcap或pcapng格式捕获原始流量，从原始流量中提取两个主机ip之间的N个会话作为一个数据块，若在时间M秒内流的数量未达到N则停止并将已收集到n个会话作为一个数据块，其中，nN；每个会话按照源ip、目的ip、源端口、目的端口和应用协议组成的五元组进行划分；所述主机级流量行为数据表示模块用于将流量预处理后得到的数据块转换为方便输入深度学习模型的数据表示，其中，使用网络数据包的传输方向和负载大小作为元数据表示，将流量预处理后得到的数据块表示为一个长度固定的长序列，以便输入深度学习模型；所述TLS握手特征提取模块用于选取TLSClientHello数据包中TLS扩展长度、密码套件、圆锥曲线加密算法和圆锥曲线压缩方式作为TLS握手特征；所述TLS扩展是TLS协议用于声明对某些新功能的支持，或者携带在握手进行中需要的额外数据；所述密码套件是重要TLS扩展之一，决定了后续通信具体使用的密钥交换算法、数据加密算法和消息验证算法，且将24个推荐加密套件做多热编码特征，将支持使用的密码套件编码为1，不支持的编码为0，并将使用不推荐加密套件的数量作为额外特征，共提取为25维特征；对于圆锥曲线加密算法，采用与密码套件相同的处理方式提取为5维特征；圆锥曲线压缩方式有3个，使用多热编码为3维特征；所述深度学习模型模块用于使用模型融合技术中后融合的方式将主机级流量行为特征和TLS握手特征进行融合，具体地，深度学习模型包括CNNBlock、TLSFCBlock和FCBlock三个部分，使用CNNBlock自动提取主机级流量行为数据表示的高维特征，使用TLSFCBlock将手工提取的TLS握手特征转换为高维特征以便与主机级流量行为特征融合，然后将得到的两部分特征进行拼接，输入到FCBlock中进行最终的分类；所述主机级流量行为数据表示包括五个步骤：提取负载大小，对于负载大小的提取，不同协议采用不同策略；重组IP分片的数据包；将所有负向包的负载大小归一化为负载大小的平均值；选择会话中每个数据包的方向和负载大小作为元数据用于数据表示，规定请求包的方向为正，响应包的方向为负；将一个数据块中的N条流提取的N个序列的长度对齐为L，对于长度大于L的序列进行截断，仅保留前L个包；长度小于L的序列以0进行填充；将N个序列组合成一个长度为N×L+N的序列，以标志位flag将每条流的序列进行分割。

全文数据：

权利要求：

百度查询： 天津大学 一种加密流量下的web漏洞扫描攻击检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD