基于深度学习的操作系统多维度安全保护架构

操作系统漏洞长期威胁用户隐私安全,给用户带来的不仅是经济损失,更有个人隐私泄漏等威胁。基于操作系统的内存管理、进程管理、IO管理三大核心功能,分析针对各功能的攻击方案的表现形式,提出利用深度学习技术,搭建包含基础数据层、特征提取层、特征学习层、防御行为层的操作系统多维度安全保护架构。基础数据层收集操作系统运行数据,并将原始数据提供给特征提取层;特征提取层对原始数据进行变换,向特征学习层提供易于理解与学习的特征;特征学习层借助深度神经网络,理解特征提取层提供的数据,并将检测结果反馈给防御行为层;防御行为层产生防御行为,并优化特征学习层,降低误判概率,提升检测精度。该架构通用性强,可部署性良好,能检测到未曾发现的攻击。若辅以GPU硬件支持,神经网络的算力资源开销将降低80%。