【技術(shù)實現(xiàn)步驟摘要】
本申請涉及數(shù)據(jù)處理技術(shù)，尤其涉及一種基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法及系統(tǒng)。
技術(shù)介紹
1、隨著互聯(lián)網(wǎng)技術(shù)的迅速進(jìn)步和網(wǎng)絡(luò)應(yīng)用的廣泛普及，網(wǎng)絡(luò)環(huán)境日益復(fù)雜，隨之而來的是網(wǎng)絡(luò)安全威脅的多樣化與復(fù)雜化。
2、傳統(tǒng)網(wǎng)絡(luò)安全防御體系主要依賴于規(guī)則匹配和簽名識別，對于隱蔽性強、變化頻繁的新型網(wǎng)絡(luò)攻擊，如高級持續(xù)性威脅(advancedpersistentthreat,apt)等，其檢測效率與準(zhǔn)確率往往不盡人意。尤其在物聯(lián)網(wǎng)和云環(huán)境下，攻擊者利用設(shè)備的資源限制和安全漏洞，頻繁發(fā)起協(xié)作式攻擊，這對網(wǎng)絡(luò)安全防御提出了嚴(yán)峻挑戰(zhàn)。
3、當(dāng)前，在面對大規(guī)模、有組織的網(wǎng)絡(luò)攻擊時，缺乏高效、智能的自動化處理機(jī)制，不能及時有效地對批量攻擊設(shè)備進(jìn)行快速響應(yīng)。
技術(shù)實現(xiàn)思路
1、本申請?zhí)峁┮环N基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法及系統(tǒng)，用以解決在面對大規(guī)模、有組織的網(wǎng)絡(luò)攻擊時，不能及時有效地對批量攻擊設(shè)備進(jìn)行快速響應(yīng)技術(shù)問題。
2、第一方面，本申請?zhí)峁┮环N基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，應(yīng)用于網(wǎng)絡(luò)安全管理系統(tǒng)，所述網(wǎng)絡(luò)安全管理系統(tǒng)包括：數(shù)據(jù)交互層、數(shù)據(jù)處理層以及數(shù)據(jù)響應(yīng)層；所述方法，包括：
3、通過所述數(shù)據(jù)交互層獲取訪問設(shè)備集群所對應(yīng)的網(wǎng)絡(luò)特征數(shù)據(jù)集合，其中，所述訪問設(shè)備集群包括多個訪問設(shè)備，所述網(wǎng)絡(luò)特征數(shù)據(jù)集合包括所述訪問設(shè)備集群中的各個訪問設(shè)備所對應(yīng)的網(wǎng)絡(luò)特征數(shù)據(jù)，所述網(wǎng)絡(luò)特征數(shù)據(jù)包括訪問路徑信息，所述訪問路徑信息包括設(shè)備協(xié)議地址指向目標(biāo)協(xié)議地址
4、通過所述數(shù)據(jù)處理層，并利用預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型確定所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中的第一網(wǎng)絡(luò)特征數(shù)據(jù)為網(wǎng)絡(luò)攻擊數(shù)據(jù)，則根據(jù)所述第一網(wǎng)絡(luò)特征數(shù)據(jù)確定對應(yīng)的第一訪問路徑信息；
5、通過所述數(shù)據(jù)處理層，并利用預(yù)設(shè)訪問路徑匹配模型以及所述第一訪問路徑信息從所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中確定網(wǎng)絡(luò)異常數(shù)據(jù)集合，以根據(jù)所述網(wǎng)絡(luò)異常數(shù)據(jù)集合從所述訪問設(shè)備集群中確定異常訪問設(shè)備集合；
6、通過所述數(shù)據(jù)響應(yīng)層，將目標(biāo)訪問設(shè)備集合中的所有訪問設(shè)備添加至訪問待確認(rèn)名單中，以暫停所述目標(biāo)訪問設(shè)備中訪問設(shè)備對所述目標(biāo)協(xié)議地址進(jìn)行訪問，所述目標(biāo)訪問設(shè)備集合包括所述異常訪問設(shè)備集合以及攻擊訪問設(shè)備，所述攻擊訪問設(shè)備為所述第一網(wǎng)絡(luò)特征數(shù)據(jù)所對應(yīng)的訪問設(shè)備。
7、在本方案中，通過數(shù)據(jù)交互層獲取訪問設(shè)備集群所對應(yīng)的網(wǎng)絡(luò)特征數(shù)據(jù)集合，然后，通過數(shù)據(jù)處理層，并利用預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型確定網(wǎng)絡(luò)特征數(shù)據(jù)集合中的第一網(wǎng)絡(luò)特征數(shù)據(jù)為網(wǎng)絡(luò)攻擊數(shù)據(jù)，則根據(jù)第一網(wǎng)絡(luò)特征數(shù)據(jù)確定對應(yīng)的第一訪問路徑信息，從而利用預(yù)設(shè)訪問路徑匹配模型以及第一訪問路徑信息從網(wǎng)絡(luò)特征數(shù)據(jù)集合中確定網(wǎng)絡(luò)異常數(shù)據(jù)集合，以根據(jù)網(wǎng)絡(luò)異常數(shù)據(jù)集合從訪問設(shè)備集群中確定異常訪問設(shè)備集合，然后，再通過數(shù)據(jù)響應(yīng)層，將目標(biāo)訪問設(shè)備集合中的所有訪問設(shè)備添加至訪問待確認(rèn)名單中，以暫停目標(biāo)訪問設(shè)備中訪問設(shè)備對目標(biāo)協(xié)議地址進(jìn)行訪問，從而在能夠準(zhǔn)確地識別網(wǎng)絡(luò)攻擊特征的同時，還能夠基于識別出的網(wǎng)絡(luò)攻擊特征高效匹配出具有風(fēng)險的網(wǎng)絡(luò)異常數(shù)據(jù)，進(jìn)而實現(xiàn)對于大規(guī)模、有組織的網(wǎng)絡(luò)攻擊進(jìn)行有效防御。
8、可見，通過在網(wǎng)絡(luò)安全管理系統(tǒng)中整合數(shù)據(jù)交互層、數(shù)據(jù)處理層和數(shù)據(jù)響應(yīng)層，實現(xiàn)了對訪問設(shè)備集群網(wǎng)絡(luò)特征數(shù)據(jù)的高效獲取與處理。通過分析這些網(wǎng)絡(luò)特征數(shù)據(jù)，尤其是訪問路徑信息，能夠?qū)崟r識別出潛在的網(wǎng)絡(luò)攻擊行為，迅速定位攻擊來源，即攻擊訪問設(shè)備。將確認(rèn)的異常訪問設(shè)備加入待確認(rèn)名單，暫停其對目標(biāo)地址的訪問，有效遏制了攻擊行為的擴(kuò)散，保護(hù)了目標(biāo)系統(tǒng)的安全。
9、可選的，在所述利用預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型確定所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中的第一網(wǎng)絡(luò)特征數(shù)據(jù)為網(wǎng)絡(luò)攻擊數(shù)據(jù)之前，還包括：
10、獲取網(wǎng)絡(luò)特征數(shù)據(jù)樣本集，所述網(wǎng)絡(luò)特征數(shù)據(jù)樣本集中的數(shù)據(jù)樣本包括網(wǎng)絡(luò)攻擊數(shù)據(jù)以及網(wǎng)絡(luò)正常數(shù)據(jù)；
11、將所述網(wǎng)絡(luò)特征數(shù)據(jù)訓(xùn)練樣本集拆分為網(wǎng)絡(luò)特征數(shù)據(jù)訓(xùn)練樣本集、網(wǎng)絡(luò)特征數(shù)據(jù)驗證樣本集以及網(wǎng)絡(luò)特征數(shù)據(jù)測試集樣本集，其中，所述網(wǎng)絡(luò)特征數(shù)據(jù)訓(xùn)練樣本集中的數(shù)據(jù)樣本數(shù)量大于所述網(wǎng)絡(luò)特征數(shù)據(jù)驗證樣本集以及所述網(wǎng)絡(luò)特征數(shù)據(jù)測試集樣本集的數(shù)據(jù)樣本數(shù)量；
12、利用所述網(wǎng)絡(luò)特征數(shù)據(jù)訓(xùn)練樣本集對預(yù)設(shè)待訓(xùn)練模型進(jìn)行訓(xùn)練，以確定訓(xùn)練后第一模型中的第一模型參數(shù)，所述預(yù)設(shè)待訓(xùn)練模型包括支持向量機(jī)模型、神經(jīng)網(wǎng)絡(luò)模型以及深度學(xué)習(xí)模型中的至少一種；
13、利用所述網(wǎng)絡(luò)特征數(shù)據(jù)驗證樣本集對所述訓(xùn)練后第一模型進(jìn)行驗證，以確定性能評價參數(shù)，所述性能評價參數(shù)包括召回率以及精確率中的至少一項；
14、若所述性能評價參數(shù)高于預(yù)設(shè)性能評價參數(shù)閾值，則利用所述網(wǎng)絡(luò)特征數(shù)據(jù)測試集樣本集對所述訓(xùn)練后第一模型進(jìn)行驗證測試，以確定測試評價參數(shù)，所述測試評價參數(shù)包括準(zhǔn)確率；
15、若所述測試評價參數(shù)高于預(yù)設(shè)測試評價參數(shù)閾值，則確定所述訓(xùn)練后第一模型為所述預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型。
16、在本方案中，通過引入網(wǎng)絡(luò)特征數(shù)據(jù)樣本集的訓(xùn)練與驗證流程，本方法進(jìn)一步提高了網(wǎng)絡(luò)攻擊特征識別的準(zhǔn)確性與可靠性。利用機(jī)器學(xué)習(xí)模型(如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)模型)進(jìn)行訓(xùn)練，經(jīng)過嚴(yán)數(shù)據(jù)拆分、模型訓(xùn)練、驗證和測試，確保了預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型的高性能。這一過程不僅優(yōu)化了模型參數(shù)，還通過設(shè)定召回率、精確率及準(zhǔn)確率等性能指標(biāo)閾值，提升了模型在實際應(yīng)用中的甄別能力，增強了系統(tǒng)抵御復(fù)雜網(wǎng)絡(luò)攻擊的能力。
17、可選的，通過所述數(shù)據(jù)處理層，并利用預(yù)設(shè)訪問路徑匹配模型以及所述第一訪問路徑信息從所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中確定網(wǎng)絡(luò)異常數(shù)據(jù)集合，包括：
18、根據(jù)所述第一訪問路徑信息構(gòu)建第一訪問路徑拓?fù)浣Y(jié)構(gòu)，所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)包括第一訪問節(jié)點序列，所述第一訪問節(jié)點序列中的起始節(jié)點用于表征所述攻擊訪問設(shè)備所對應(yīng)的第一設(shè)備協(xié)議地址，所述第一訪問節(jié)點序列中的終止節(jié)點用于表征所述攻擊訪問設(shè)備所對應(yīng)的第一目標(biāo)協(xié)議地址；
19、根據(jù)所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中的待選網(wǎng)絡(luò)特征數(shù)據(jù)所對應(yīng)的待選訪問路徑信息構(gòu)建待選訪問路徑拓?fù)浣Y(jié)構(gòu)，所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)包括待選訪問節(jié)點序列，所述待選訪問節(jié)點序列中的起始節(jié)點用于表征待選訪問設(shè)備所對應(yīng)的待選設(shè)備協(xié)議地址，所述待選訪問節(jié)點序列中的終止節(jié)點用于表征所述待選訪問設(shè)備所對應(yīng)的待選目標(biāo)協(xié)議地址；
20、確定所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)與所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)的拓?fù)湎嗨贫龋?/p>
21、若所述拓?fù)湎嗨贫却笥陬A(yù)設(shè)拓?fù)湎嗨贫乳撝?，則所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)所對應(yīng)的待選網(wǎng)絡(luò)特征數(shù)據(jù)為所述網(wǎng)絡(luò)異常數(shù)據(jù)集合中的異常數(shù)據(jù)。
22、在本方案中，通過在數(shù)據(jù)處理層采用預(yù)設(shè)訪問路徑匹配模型，結(jié)合第一訪問路徑信息，能夠從網(wǎng)絡(luò)特征數(shù)據(jù)集合中精準(zhǔn)篩選出網(wǎng)絡(luò)異常數(shù)據(jù)集合。這一方法不僅限于直接匹配攻擊路徑，還能通過拓?fù)浣Y(jié)構(gòu)相似度分析，發(fā)現(xiàn)與已知攻擊路徑高度相似的異常訪問路徑，擴(kuò)大了檢測范圍，有效識別出更多潛在的異常訪問設(shè)備，提高了對隱蔽攻擊行為的捕捉能力。
23、可選的，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，應(yīng)用于網(wǎng)絡(luò)安全管理系統(tǒng)，所述網(wǎng)絡(luò)安全管理系統(tǒng)包括：數(shù)據(jù)交互層、數(shù)據(jù)處理層以及數(shù)據(jù)響應(yīng)層；所述方法，包括：
2.根據(jù)權(quán)利要求1所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，在所述利用預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型確定所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中的第一網(wǎng)絡(luò)特征數(shù)據(jù)為網(wǎng)絡(luò)攻擊數(shù)據(jù)之前，還包括：
3.根據(jù)權(quán)利要求1或2所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，通過所述數(shù)據(jù)處理層，并利用預(yù)設(shè)訪問路徑匹配模型以及所述第一訪問路徑信息從所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中確定網(wǎng)絡(luò)異常數(shù)據(jù)集合，包括：
4.根據(jù)權(quán)利要求3所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，所述確定所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)與所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)的拓?fù)湎嗨贫?，包括?/p>
5.根據(jù)權(quán)利要求4所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，在根據(jù)所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)與所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)的拓?fù)湎嗨贫却_定所述拓?fù)湎嗨贫戎?，還包括：
6.根據(jù)權(quán)利要求3所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)
7.根據(jù)權(quán)利要求6所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，在所述將目標(biāo)訪問設(shè)備集合中的所有訪問設(shè)備添加至訪問待確認(rèn)名單中之后，還包括：
8.一種網(wǎng)絡(luò)安全管理系統(tǒng)，其特征在于，包括：數(shù)據(jù)交互層、數(shù)據(jù)處理層以及數(shù)據(jù)響應(yīng)層；
9.一種電子設(shè)備，其特征在于，包括：
10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)執(zhí)行指令，所述計算機(jī)執(zhí)行指令被處理器執(zhí)行時用于實現(xiàn)如權(quán)利要求1至7任一項所述的方法。
...【技術(shù)特征摘要】
1.一種基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，應(yīng)用于網(wǎng)絡(luò)安全管理系統(tǒng)，所述網(wǎng)絡(luò)安全管理系統(tǒng)包括：數(shù)據(jù)交互層、數(shù)據(jù)處理層以及數(shù)據(jù)響應(yīng)層；所述方法，包括：
2.根據(jù)權(quán)利要求1所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，在所述利用預(yù)設(shè)網(wǎng)絡(luò)攻擊特征識別模型確定所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中的第一網(wǎng)絡(luò)特征數(shù)據(jù)為網(wǎng)絡(luò)攻擊數(shù)據(jù)之前，還包括：
3.根據(jù)權(quán)利要求1或2所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，通過所述數(shù)據(jù)處理層，并利用預(yù)設(shè)訪問路徑匹配模型以及所述第一訪問路徑信息從所述網(wǎng)絡(luò)特征數(shù)據(jù)集合中確定網(wǎng)絡(luò)異常數(shù)據(jù)集合，包括：
4.根據(jù)權(quán)利要求3所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，所述確定所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)與所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)的拓?fù)湎嗨贫?，包括?/p>
5.根據(jù)權(quán)利要求4所述的基于網(wǎng)絡(luò)特征數(shù)據(jù)的網(wǎng)絡(luò)攻擊特征識別方法，其特征在于，在根據(jù)所述第一訪問路徑拓?fù)浣Y(jié)構(gòu)與所述待選訪問路徑拓?fù)浣Y(jié)構(gòu)的拓?fù)湎嗨贫却_定所述拓?fù)湎嗨贫戎?，還包...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：佘才高，于百勇，楊旭，唐德浩，許濤，葛玲玉，韓旭，王慧敏，方潤澤，于蘊哲，
申請(專利權(quán))人：南京地鐵集團(tuán)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。