【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及網(wǎng)絡(luò)攻防，具體是涉及一種安全事件流大數(shù)據(jù)分析引擎。
技術(shù)介紹
1、安全事件流大數(shù)據(jù)分析引擎是指一種集成了大數(shù)據(jù)處理與分析能力的系統(tǒng)，它專門用于實(shí)時(shí)收集、整合、分析和挖掘來自多個(gè)源的安全事件流數(shù)據(jù)，以提供深入的安全洞察、威脅檢測和態(tài)勢感知，從而支持組織的安全管理和決策制定。
2、現(xiàn)有的安全事件流大數(shù)據(jù)分析引擎由于數(shù)據(jù)分析算法不夠精準(zhǔn)或閾值設(shè)置不合理，導(dǎo)致引擎對(duì)非安全事件的過度反應(yīng)，存在異常告警頻繁且存在誤報(bào)，且由于無法針對(duì)性訓(xùn)練，訓(xùn)練數(shù)據(jù)質(zhì)量不高，導(dǎo)致無法有效識(shí)別和區(qū)分真正的安全威脅。
技術(shù)實(shí)現(xiàn)思路
1、為解決上述技術(shù)問題，提供一種安全事件流大數(shù)據(jù)分析引擎，本技術(shù)方案解決了上述的現(xiàn)有的安全事件流大數(shù)據(jù)分析引擎由于數(shù)據(jù)分析算法不夠精準(zhǔn)或閾值設(shè)置不合理，導(dǎo)致引擎對(duì)非安全事件的過度反應(yīng)，存在異常告警頻繁且存在誤報(bào)，且由于無法針對(duì)性訓(xùn)練，訓(xùn)練數(shù)據(jù)質(zhì)量不高，導(dǎo)致無法有效識(shí)別和區(qū)分真正的安全威脅的問題。
2、為達(dá)到以上目的，本專利技術(shù)采用的技術(shù)方案為：
3、一種安全事件流大數(shù)據(jù)分析引擎，包括：
4、獲取設(shè)備的運(yùn)維日志中的多源安全事件流，得到設(shè)備的安全事件流數(shù)據(jù)；
5、基于設(shè)備的安全事件流數(shù)據(jù)，按照時(shí)間節(jié)點(diǎn)下的安全事件流的類型進(jìn)行數(shù)據(jù)劃分，獲得設(shè)備的若干個(gè)安全事件流歸類集合；
6、基于設(shè)備的硬件參數(shù)，確定設(shè)備硬件初始化性能；
7、根據(jù)設(shè)備的若干個(gè)安全事件流歸類集合與硬件初始化性能，分析每一個(gè)安全事件流
8、基于設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)，按照每一個(gè)安全事件流的設(shè)備硬件性能偏好進(jìn)行分析，生成時(shí)間節(jié)點(diǎn)下的安全事件流動(dòng)態(tài)置信度閾值。
9、優(yōu)選的，基于設(shè)備的安全事件流數(shù)據(jù)，按照時(shí)間節(jié)點(diǎn)下的安全事件流的類型進(jìn)行數(shù)據(jù)劃分，獲得設(shè)備的若干個(gè)安全事件流歸類集合具體包括：
10、基于設(shè)備的安全事件流數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗預(yù)處理，并通過獨(dú)熱編碼將設(shè)備的安全事件流數(shù)據(jù)轉(zhuǎn)換為二進(jìn)制安全事件流數(shù)據(jù)集合；
11、根據(jù)二進(jìn)制數(shù)值安全事件流數(shù)據(jù)，按照安全事件流類型、時(shí)間節(jié)點(diǎn)對(duì)安全事件流數(shù)據(jù)進(jìn)行標(biāo)記劃分，獲得時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組；
12、基于時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組，計(jì)算每一個(gè)時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組中的每一個(gè)樣本的信息增益；
13、基于時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組中的每一個(gè)樣本的信息增益，篩選大于時(shí)間節(jié)點(diǎn)下大于對(duì)應(yīng)安全事件流特征信息增益的樣本，組合為時(shí)間節(jié)點(diǎn)下的安全事件流特征樣本集合；
14、基于時(shí)間節(jié)點(diǎn)下的安全事件流特征樣本集合，建立每一個(gè)安全事件流類型對(duì)應(yīng)的決策樹，將時(shí)間節(jié)點(diǎn)下的安全事件流特征樣本集合作為對(duì)應(yīng)決策樹的分割葉子節(jié)點(diǎn)，構(gòu)建安全事件流歸類決策森林模型；
15、基于安全事件流歸類決策森林模型，以將設(shè)備的安全事件流數(shù)據(jù)作為輸入，以設(shè)備的若干個(gè)安全事件流歸類集合作為輸出；
16、其中，計(jì)算每一個(gè)時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組中的每一個(gè)樣本的信息增益具體為：
17、
18、式中，ev為安全事件流特征數(shù)組中的第v個(gè)樣本的信息增益，dt為t個(gè)時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組，為t個(gè)時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組中第v個(gè)樣本，為t個(gè)時(shí)間節(jié)點(diǎn)下的安全事件流特征數(shù)組中第v個(gè)樣本的信息熵。
19、優(yōu)選的，根據(jù)設(shè)備的若干個(gè)安全事件流歸類集合與硬件初始化性能，分析每一個(gè)安全事件流歸類集合影響設(shè)備的性能資源消耗趨勢，獲得設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)具體包括：
20、基于設(shè)備的任務(wù)管理器，確定時(shí)間節(jié)點(diǎn)下的設(shè)備硬件性能占用值；
21、基于設(shè)備硬件初始化性能與時(shí)間節(jié)點(diǎn)下的設(shè)備硬件性能占用值進(jìn)行差值運(yùn)算，得到時(shí)間節(jié)點(diǎn)下的設(shè)備硬件性能冗余值；所述設(shè)備硬件性能冗余值包括：cpu性能冗余值、內(nèi)存性能冗余值、網(wǎng)絡(luò)帶寬性能冗余值；
22、標(biāo)記時(shí)間節(jié)點(diǎn)下的設(shè)備硬件性能冗余值中每一個(gè)硬件性能的冗余開銷，記為時(shí)間節(jié)點(diǎn)下的硬件性能的冗余開銷；
23、基于時(shí)間節(jié)點(diǎn)下的硬件性能的冗余開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類集合，計(jì)算時(shí)間節(jié)點(diǎn)下的硬件性能的冗余開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類之間的關(guān)聯(lián)系數(shù)；
24、篩選出時(shí)間節(jié)點(diǎn)下的硬件性能的冗余開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類之間的關(guān)聯(lián)系數(shù)正相關(guān)的安全事件流，記為時(shí)間節(jié)點(diǎn)下的硬件性能開銷影響安全事件流；
25、建立var擴(kuò)展自回歸性能開銷趨勢分析模型；
26、將時(shí)間節(jié)點(diǎn)下的硬件性能開銷影響安全事件流作為外生變量，以若干個(gè)安全事件流歸類集合與時(shí)間節(jié)點(diǎn)下的硬件性能冗余值作為因變量輸入，以預(yù)測時(shí)間節(jié)點(diǎn)下的安全事件流關(guān)聯(lián)硬件性能的冗余開銷作為輸出，生成設(shè)備的性能冗余開銷時(shí)序數(shù)據(jù)；
27、其中，所述計(jì)算時(shí)間節(jié)點(diǎn)下的安全事件流性能開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類之間的關(guān)聯(lián)系數(shù)具體為：
28、
29、式中，rij為第i個(gè)硬件性能的冗余開銷與第j個(gè)安全事件流之間的關(guān)聯(lián)系數(shù)，第t個(gè)時(shí)間節(jié)點(diǎn)下的第i個(gè)硬件性能的冗余開銷，為第t個(gè)時(shí)間節(jié)點(diǎn)下的第j個(gè)安全事件流，t為時(shí)間節(jié)點(diǎn)，t為時(shí)間節(jié)點(diǎn)的總時(shí)長；
30、其中，所述var擴(kuò)展自回歸性能開銷趨勢分析模型具體為：
31、
32、式中，為預(yù)測第t個(gè)時(shí)間節(jié)點(diǎn)下的第i個(gè)硬件性能在第j個(gè)安全事件流關(guān)聯(lián)影響下的性能冗余開銷，a1、a2、ap均為滯后自回歸系數(shù)，β為外生變量系數(shù)，∈為常數(shù)項(xiàng)，ε(t)為第t個(gè)時(shí)間節(jié)點(diǎn)下的誤差項(xiàng)，p為滯后學(xué)習(xí)的階次。
33、優(yōu)選的，基于設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)，按照每一個(gè)安全事件流的設(shè)備硬件性能偏好進(jìn)行分析，生成時(shí)間節(jié)點(diǎn)下的安全事件流動(dòng)態(tài)置信度閾值具體包括：
34、針對(duì)設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；
35、基于設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)，通過主成分分析(pca)對(duì)設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)進(jìn)行降維，獲得設(shè)備的安全事件流性能冗余開銷時(shí)序降維數(shù)據(jù)；
36、按照安全事件流性能冗余開銷時(shí)序降維數(shù)據(jù)中每一個(gè)安全事件流對(duì)于設(shè)備的硬件性能冗余開銷偏好進(jìn)行聚類，得到時(shí)間節(jié)點(diǎn)下的安全事件流硬件性能冗余開銷偏好簇；
37、統(tǒng)計(jì)時(shí)間節(jié)點(diǎn)下的安全事件流硬件性能冗余開銷偏好簇中的安全事件流對(duì)于硬件性能冗余開銷偏好的均值與標(biāo)準(zhǔn)差；
38、基于安全事件流對(duì)于硬件性能冗余開銷偏好的均值與標(biāo)準(zhǔn)差，計(jì)算時(shí)間節(jié)點(diǎn)下的安全事件流動(dòng)態(tài)置信度閾值；
39、其中，所述時(shí)間節(jié)點(diǎn)下的安全事件流硬件性能冗余開銷偏好簇具體為：
40、
41、式中，f為目標(biāo)函數(shù)(安全事件流對(duì)于設(shè)備的硬件性能冗余開銷偏好)，n為聚類簇的總數(shù)，ai′為安全事件流性能冗余開銷時(shí)序降維數(shù)據(jù)中第i′個(gè)數(shù)據(jù)點(diǎn)，bk′為包含所本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，基于設(shè)備的安全事件流數(shù)據(jù)，按照時(shí)間節(jié)點(diǎn)下的安全事件流的類型進(jìn)行數(shù)據(jù)劃分，獲得設(shè)備的若干個(gè)安全事件流歸類集合具體包括：
3.根據(jù)權(quán)利要求2所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，根據(jù)設(shè)備的若干個(gè)安全事件流歸類集合與硬件初始化性能，分析每一個(gè)安全事件流歸類集合影響設(shè)備的性能資源消耗趨勢，獲得設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)具體包括：
4.根據(jù)權(quán)利要求3所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，所述計(jì)算時(shí)間節(jié)點(diǎn)下的安全事件流性能開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類之間的關(guān)聯(lián)系數(shù)具體為：
5.根據(jù)權(quán)利要求4所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，所述VAR擴(kuò)展自回歸性能開銷趨勢分析模型具體為：
6.根據(jù)權(quán)利要求5所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，基于設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)，按照每一個(gè)安全事件流的設(shè)備硬件性能偏好進(jìn)行分析，生成時(shí)間節(jié)點(diǎn)下的安全事件流動(dòng)態(tài)置信度
7.一種電子設(shè)備，其特征在于，包括：至少一個(gè)處理器；以及，與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，
8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-6中任一項(xiàng)所述的一種安全事件流大數(shù)據(jù)分析引擎。
...【技術(shù)特征摘要】
1.一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，基于設(shè)備的安全事件流數(shù)據(jù)，按照時(shí)間節(jié)點(diǎn)下的安全事件流的類型進(jìn)行數(shù)據(jù)劃分，獲得設(shè)備的若干個(gè)安全事件流歸類集合具體包括：
3.根據(jù)權(quán)利要求2所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，根據(jù)設(shè)備的若干個(gè)安全事件流歸類集合與硬件初始化性能，分析每一個(gè)安全事件流歸類集合影響設(shè)備的性能資源消耗趨勢，獲得設(shè)備的安全事件流性能冗余開銷時(shí)序數(shù)據(jù)具體包括：
4.根據(jù)權(quán)利要求3所述的一種安全事件流大數(shù)據(jù)分析引擎，其特征在于，所述計(jì)算時(shí)間節(jié)點(diǎn)下的安全事件流性能開銷與時(shí)間節(jié)點(diǎn)下的若干個(gè)安全事件流歸類之間的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳冠宇，
申請(qǐng)(專利權(quán))人：山東職業(yè)學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。