(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210891762.X (22)申请日 2022.07.27 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 东红林　姚倩　胡建强　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 王辉 (51)Int.Cl. G06F 21/52(2013.01) G06F 21/57(2013.01) G06F 16/953(2019.01) G06F 16/242(2019.01) G06F 16/2455(2019.01) G06N 3/00(2006.01)G06N 3/08(2006.01) (54)发明名称 请求处理方法、 装置、 存 储介质及电子设备 (57)摘要 本公开是关于一种请求处理方法、 装置、 存 储介质及电子设备， 涉及计算机技术领域， 该方 法包括： 先对接收的请求数据， 通过预设渗透提 取方式采集请求数据包含的目标信息特征、 目标 静态特征和目标动态特征， 利用预设特征选择算 法， 分别计算每一子特征对应的目标权重， 基于 每一子特征对应的目标权重， 从目标信息特征、 目标静态特征和目标动态特征中选取符合预设 阈值比例的子特征组成待检测特征向量， 通过预 训练的特征检测模型对待检测特征向量进行计 算检测， 根据检测结果确定请求数据是否终止 响 应。 这样， 根据请求包含的各个特征来分析处理 该请求可以提高对请求检测处理的准确性， 减少 漏报误报的可能。 权利要求书2页 说明书16页 附图7页 CN 115146258 A 2022.10.04 CN 115146258 A 1.一种请求处 理方法， 其特 征在于， 所述方法包括： 对接收的请求数据， 通过预设渗透提取方式采集所述请求数据包含的目标信息特征、 目标静态特 征和目标动态特 征； 利用预设特征选择算法， 分别计算所述目标信息特征、 所述目标静态特征和所述目标 动态特征中每一子特 征对应的目标权 重； 基于所述每一子特征对应的目标权重， 从所述目标信息特征、 所述目标静态特征和所 述目标动态特 征中选取符合预设阈值比例的子特 征组成待检测特 征向量； 通过预训练的特征检测模型对所述待检测特征向量进行计算检测， 根据检测结果确定 所述请求数据是否终止响应； 所述预训练的特征检测模型是结合预设粒子群算法训练得到 的。 2.根据权利要求1所述的方法， 其特征在于， 所述通过预设渗透提取方式采集所述请求 数据包含的目标信息特 征、 目标静态特 征和目标动态特 征， 包括： 利用所述预设渗透提取方式从所述请求数据中采集请求信息特征、 请求静态特征、 请 求动态特 征； 分别对所述请求信 息特征、 所述请求静态特征、 所述请求动态特征进行归一化处理， 获 得所述目标信息特 征、 所述目标静态特 征和所述目标动态特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述利用预设特征选择算法， 分别计算所 述目标信息特征、 所述 目标静态特征和所述 目标动态特征中每一子特征对应的目标权重， 包括： 遍历所述目标信 息特征、 所述目标静态特征和所述目标动态特征中的子特征作为待处 理特征； 通过预设特征差异公式计算所述待处理特征在所属类别 中的第一特征差异值， 以及， 所述待处 理特征在其他类别中的第二特 征差异值； 基于所述第一特征差异值和所述第二特征差异值， 利用预设特征权重公式迭代计算， 获得所述待处 理特征对应的目标权 重。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述每一子特征对应的目标权 重， 从所述 目标信息特征、 所述 目标静态特征和所述 目标动态特征中选取符合预设阈值比 例的子特 征组成待检测特 征向量， 包括： 基于所述每一子特 征对应的目标权 重， 对所述每一子特 征排序； 根据排序结果选取符合所述预设阈值比例的子特 征， 组成所述待检测特 征向量。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取样本请求对应的样本特 征向量以及所述样本请求对应的真实响应结果； 将所述样本特 征向量和所述真实响应结果作为 一个训练样本对； 利用训练样本对对目标特征检测模型进行迭代训练， 以获取输出的样本响应结果符合 所述真实响应结果的所述预训练的特征检测模模型； 所述目标特征检测模 型中的神经网络 层数、 每层神经 元个数、 激活函数类型 是根据所述预设粒子群算法确定的。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 根据所述预设粒子群算法所指示的神经网络层数、 每层神经元个数、 激活函数类型来 设置特征检测模型， 获得初始特 征检测模型；权　利　要　求　书 1/2 页 2 CN 115146258 A 2将所述训练样本对输入至所述初始特征检测模型， 得到对所述样本特征向量处理的输 出结果； 利用所述预设粒子群算法对所述输出结果进行分析处理， 来调整所述预设粒子群算法 所指示的神经网络层数、 每层神经元个数、 激活函数类型， 并重新执行所述根据所述预设粒 子群算法所指示的神经网络层数、 每层神经元个数、 激活函数类型来设置特征检测模型， 获 得初始特征检测模型 的操作， 直至调整次数符合阈值， 获得根据所述预设粒子群算法所指 示的神经网络层数、 每层神经 元个数、 激活函数类型设置的目标 特征检测模型。 7.一种请求处 理装置， 其特 征在于， 所述装置包括： 采集模块， 用于对接收的请求数据， 通过预设渗透提取方式采集所述请求数据包含的 目标信息特 征、 目标静态特 征和目标动态特 征； 计算模块， 用于利用预设特征选择算法， 分别计算所述目标信 息特征、 所述目标静态特 征和所述目标动态特 征中每一子特 征对应的目标权 重； 选取模块， 用于基于所述每一子特征对应的目标权重， 从所述目标信 息特征、 所述目标 静态特征和所述目标动态特 征中选取符合预设阈值比例的子特 征组成待检测特 征向量； 检测模块， 用于通过预训练的特征检测模型对所述待检测特征向量进行计算检测， 根 据检测结果确定所述请求数据是否终止响应； 所述预训练的特征检测模型是结合预设粒子 群算法训练得到的。 8.根据权利要求7 所述的装置， 其特 征在于， 所述计算模块， 还用于： 遍历所述目标信 息特征、 所述目标静态特征和所述目标动态特征中的子特征作为待处 理特征； 通过预设特征差异公式计算所述待处理特征在所属类别 中的第一特征差异值， 以及， 所述待处 理特征在其他类别中的第二特 征差异值； 基于所述第一特征差异值和所述第二特征差异值， 利用预设特征权重公式迭代计算， 获得所述待处 理特征对应的目标权 重。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1 ‑6任一项所述的请求处 理方法。 10.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1 ‑6任一项所述的 请求处理方法。权　利　要　求　书 2/2 页 3 CN 115146258 A 3