一种基于攻击模式的网络攻击行为预测方法

    公开(公告)号:CN115333778B

    公开(公告)日:2024-05-14

    申请号:CN202210829333.X

    申请日:2022-07-15

    IPC分类号: H04L9/40 H04L41/147 H04L41/16

    摘要: 本发明公开了一种基于攻击模式的网络攻击行为预测方法,包括:构建网络攻击事理图谱;其中事理图谱由攻击行为组成;从事理图谱中抽取攻击模式;其中攻击模式由攻击行为之间的链路关系组成;聚合攻击模式及历史攻击行为,得到攻击模式和历史攻击行为的向量表示;采用改进GAT网络更新历史攻击行为表示,并利用更新的历史攻击行为,计算候选攻击行为得分,并对候选攻击行为进行排序;其中候选攻击行为,为所有待预测的攻击行为;候选攻击行为得分最高者为最终预测的攻击行为。本发明有益效果是:考虑了攻击主体的属性信息,并对主体的历史攻击行为进行编码,使其能够更好地服务于恶意行为预测任务。

    一种基于攻击模式的网络攻击行为预测方法

    公开(公告)号:CN115333778A

    公开(公告)日:2022-11-11

    申请号:CN202210829333.X

    申请日:2022-07-15

    IPC分类号: H04L9/40 H04L41/147 H04L41/16

    摘要: 本发明公开了一种基于攻击模式的网络攻击行为预测方法,包括:构建网络攻击事理图谱;其中事理图谱由攻击行为组成;从事理图谱中抽取攻击模式;其中攻击模式由攻击行为之间的链路关系组成;聚合攻击模式及历史攻击行为,得到攻击模式和历史攻击行为的向量表示;采用改进GAT网络更新历史攻击行为表示,并利用更新的历史攻击行为,计算候选攻击行为得分,并对候选攻击行为进行排序;其中候选攻击行为,为所有待预测的攻击行为;候选攻击行为得分最高者为最终预测的攻击行为。本发明有益效果是:考虑了攻击主体的属性信息,并对主体的历史攻击行为进行编码,使其能够更好地服务于恶意行为预测任务。

    一种面向逻辑多态性的事理图谱表示学习方法及系统

    公开(公告)号:CN115269868A

    公开(公告)日:2022-11-01

    申请号:CN202210845839.X

    申请日:2022-07-19

    摘要: 本发明提供了一种面向逻辑多态性的事理图谱表示学习方法及系统,所述事理图谱表示学习方法包括:对事理图谱中的节点进行向量化,以得到初步的向量表示;采用树状结构构建由事件组成的复合事件;考虑事件之间的逻辑关系,使用周期函数作为事件对置信度映射函数,对所述复合事件的事理逻辑进行建模;选择负采样策略对所述复合事件进行负采样;使用marginloss作为损失函数训练事件嵌入。本发明通过提出使用树状结构对事件组合进行建模,并采用周期函数作为事件得分的方式,既保证了模型对于复杂事件的表达能力,又保证了每个事件的嵌入质量,以适用于不同场景下的下游任务。