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

Malware Detect System

1 产品介绍

恶意代码检测系统。

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_第1张图片

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

  1. 注册登陆界面

(扎心了,这一段还没有写前端log out的逻辑)

  1. 首页
    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_第2张图片

  2. 上传恶意代码界面
    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_第3张图片

  3. 分析报告界面
    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_第4张图片

  4. 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)
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_第5张图片

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

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。

你可能感兴趣的:(毕业设计,前端,算法)