基于机器学习提高风险感知能力的方法及装置、计算机设备和存储介质

摘要

本发明提供了一种基于机器学习提高风险感知能力的方法及装置、计算机设备和存储介质，该方法包括：对数据中心的数据进行黑白名单机制处理、正则规则处理和人工识别处理中的至少一种处理，得到被标记上恶意特征的数据；将被标记上恶意特征的数据写入机器学习的恶意样本数据集；至少利用恶意样本数据集，通过机器学习算法生成恶意流量模板；判定检测数据与恶意流量模板的匹配性；根据匹配结果确定检测数据是否为恶意数据。本发明提供的方法，不断优化风险感知的机器学习算法，持续提高风险感知能力，使得传统的攻击或者新型的攻击能快速的提前感知，提前建立对应的防御方案或防护措施，使得攻击者的攻击无法产生影响或把影响的损失降到最小。