go语言恶意代码检测系统--对接前端可视化与算法检测部分
恶意代码检测系统。
·
Malware Detect System
1 产品介绍
恶意代码检测系统。
2 产品描述
2.1 产品功能
| 功能点 | 详细描述 |
|---|---|
| 注册账号 | 未注册用户注册成为产品用户，从而具备享有产品各项服务的资格 |
| 登录账号 | 用户登录产品，获得产品提供的各项服务 |
| 上传恶意样本 | 用户可以将上传自己的收集到的恶意样本及其样本属性，网站会对该恶意样本进行保存 |
| 获取恶意样本检测结果 | 用户手动上传或使用oss方式上传待检测的恶意样本，系统检测样本后返回该样本属性 |
| 样本威胁分析报告 | 系统返回用户根据检测结果，样本本身行为特征，并将其可视化。以报告的方式返回结果 |
| 训练检测模型 | 系统每天固定时间点对恶意代码检测模型进行重新训练 |
| 分类所有恶意样本 | 系统可以每天固定时间点计算恶意样本之间的相似度信息，进而对所有样本进行大类、家族分类 |
| 更新恶意代码榜单 | 用户可查看该系统过去一段时间检测过的文件以及相关分析结果 |
|
2.2 产品约束
| 约束 | 约束解释 |
|---|---|
| 编程语言 | 前端采用的语言为：HTML，CSS，JavaScript，前端采用的框架是：Vue；后端采用的语言为Golang，后端采用的框架为Gin |
| 响应时间 | 网页的响应时间应在1s以内（存疑） |
| 算法模型 | 算法训练的恶意代码检测模型的训练时间在2个小时以内，能对足够多种恶意代码家族种类进行检测，响应时间控制1分钟以内 |
| 界面友好性 | 产品的界面应能体现对用户用户好性，具有一定的美观性 |
| 代码可读性 | 产品的的代码应符合命名规范，命名与实际意义挂钩，具有可读性 |
| 代码健壮性 | 产品的代码应避免过度耦合，以便后续迭代优化，对现有功能的扩展以及增添新的功能 |
| 项目计划 | 产品的研发应严格遵循项目的管理流程，各阶段任务应避免延期，对后续阶段的开发造成影响 |
3. 具体需求
3.1 外部接口需求
3.1.1 用户界面
- 注册登陆界面
（扎心了，这一段还没有写前端log out的逻辑）
-
首页
-
上传恶意代码界面
-
分析报告界面
-
恶意代码行为可视化界面
（扎心了，这一段还没有还没来及用element UI画一个动态的图出来，假装有一个这样的界面吧, 可视化内容大概长下面这个亚子）
3.1.2 软件接口
- MacOS 操作系统；
- Aapche Kafka；
- etcd v3.4.15；
- Nginx 1.19.8。
3.1.3 通信接口
HTTPS协议、TCP/IP协议。
3.2 功能需求
3.2.1 web模块
3.2.1.1 注册账号
| 用例名 | 注册账号 |
|---|---|
| 基本事件流 | (1) 用户打开注册页面 (2) 用户填写密码，用户名等身份信息(A-1)(A-2) (3) 用户点击注册按钮 (4) 系统验证该用户信息是否符合规范 (5) 系统验证该用户名是否被注册过 (6) 系统返回注册结果 |
| 备选事件流 | A-1 用户信息不符合规范 (1) 系统提示信息不符合规范 (2) 用户重新输入 A-2 用户被注册过 (1) 系统提示用户用户名重复 (2) 用户重新输入 |
| 补充约束 - 数据约束 | (1) 密码不能为空 (2) 电话不能为空 |
| 补充约束 - 非功能需求 | 系统响应时间不超过15秒 |
3.2.1.2 登录账号
| 用例名 | 注册账号 |
|---|---|
| 基本事件流 | (1) 用例起始于未登录用户想要登录系统 (2) 未登录用户点击【登录】按钮，系统跳转到登录页面(A-1) (3) 用户在登录页面填入相关信息(D-1)，点击【登录】(A-2)(A-3)(A-4) |
| 备选事件流 | A-1 系统繁忙或网络出现问题 (1) 系统提示：系统繁忙，请稍后再试 A-2 用户的账户未注册 (1) 系统提示：该账户不存在，请注册后再使用 (2) 系统跳转到注册页面 A-3 用户登录成功 (1) 系统提示：登录成功 (2) 系统跳转到主页或用户之前浏览的页面 A-4 用户登录失败 (1) 系统提示：登录信息不正确，请重新输入 |
| 补充约束 - 数据约束 | D-1 提交的数据需要包含账户名，密码 |
| 补充约束 - 非功能需求 | 无 |
3.2.1.3 上传恶意样本
| 用例名 | 注册账号 |
|---|---|
| 基本事件流 | (1) 点击上传 (2) 系统提示上传成功并修改数据库(A-1) |
| 备选事件流 | A-1 系统繁忙或网络出现问题 系统提示：系统繁忙，请稍后再试 |
| 补充约束 - 数据需求 | 提交数据包括用户字段和恶意样本 |
| 补充约束 - 非功能需求 | 暂无 |
3.2.1.4 获取恶意样本检测结果与样本威胁分析报告
| 用例名 | 获取推荐 |
|---|---|
| 基本事件流 | (1) 用户注册后进入上传样本界面 (2) 可在页面上查看本次或历史检测结果(A-1) (3) 点击查看报告，可返回样本分析报告(A-2) |
| 备选事件流 | A-1、A-2 系统繁忙或网络出现问题 系统提示：系统繁忙，请稍后再试 |
| 补充约束- 数据需求 | 提交的数据包括用户字段和用户本次上传的样本id |
| 补充约束- 非功能需求 | 暂无 |
3.2.1.5 更新恶意代码榜单
记录用户的检测记录
3.2.2 算法模块
训练生成模型、分类所有样本和样本预测三个部分
3.2.2.1 训练生成模型
| 用例名 | 训练生成模型 |
|---|---|
| 基本事件流 | (1) 读取模型参数 (2) 恶意样本特征预处理 (3)构造出异构图, 并使用三种数据增强方式进行正负样本的生成 (4) 微调模型参数并保存 |
3.2.2.2 分类所有样本
| 用例名 | 分类所有样本 |
|---|---|
| 基本事件流 | (1) 将样本构造成异构图的形式 (2) 加载既有的对比学习模型，生成异构图的表征 (3) 根据表征，对异构图进行分类 |
3.2.2.3 样本预测
| 用例名 | 分类所有样本 |
|---|---|
| 基本事件流 | (1) 将待预测的样本构造成异构图的形式 (2) 加载既有的对比学习模型，生成异构图的表征 (3) 根据表征，对异构图进行分类 |
3.2.3 调度模块
3.2.3.1 触发训练任务
通过定时任务触发训练任务，将训练任务元数据序列化并存入任务队列
| 用例名 | 分类所有样本 |
|---|---|
| 基本事件流 | （1）用例起始于每天凌晨02:00自动运行 （2）将待预测的样本编号序列化后，推送至任务队列 （3）从任务状态队列中轮训任务状态（A-2） |
| 补充约束-数据约束 | 元数据要求符合数据库约束，同时限制任务大小。 |
| 补充约束-业务约束 | 任务提交失败时需要自动跳过错误数据并重试。 |
分享最新、最前沿的AI大模型技术，吸纳国内前几批AI大模型开发者
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)