一种基于深度学习的Unix系统用户恶意操作检测方法

摘要

本发明公开了一种基于深度学习的Unix系统用户恶意操作检测方法，该方法主要涉及数据集文件预处理，特征提取，恶意操作行为检测三项技术；利用词袋模型和TF‑IDF(词频‑逆文本频率)模型结合的方法，提取经过预处理的数据文件和标记文件的文字特征，将提取的特征输入到多层感知机算法网络中训练，得到能够识别Unix操作系统的恶意操作的行为，即可识别用户的操作是普通操作还是恶意操作，最后根据检测结果输出预警信号，对用户权限进行干预，限制用户的行为；本发明使用多层感知机算法训练深度学习模型，效果验证的准确率和召回率都达到了99％，对恶意操作行为具有非常高的准确率。