基于人工智能的关键信息基础设施安全防护云服务系统的制作方法

本发明涉及云服务安全防护领域，具体为基于人工智能的关键信息基础设施安全防护云服务系统。

背景技术：

1、在关键信息基础设施的云端安全防护中，通常会持续采集业务系统、数据库、服务器等对象的访问数据、资源负载和安全告警数据，并根据规则库或异常检测模型判断是否存在异常访问、流量突增、资源占用异常等风险情况。

2、但是，现有方式更多关注某一时刻的异常特征，而对不同被防护对象自身的历史状态变化规律考虑不足。实际运行中，不同对象的业务功能和运行模式不同，其从一种安全状态变化到另一种安全状态的规律也不同。例如，数据库在业务高峰期可能较常出现访问量升高，网络边界设备可能较常出现连接数量波动，而安全设备可能在策略更新后出现短时告警增加。如果不区分不同对象自身的历史变化规律，而直接采用统一规则判断，容易将某些对象的正常状态变化误判为风险，也可能难以及时识别某些对象历史上较少出现但具有安全风险的状态变化。

技术实现思路

1、针对现有技术的不足，本发明提供了基于人工智能的关键信息基础设施安全防护云服务系统，基于每个设施节点自身的场景标签序列，分别构建其对应的k×k个场景转移事件及其转移置信度，以解决背景技术中提出的技术问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、基于人工智能的关键信息基础设施安全防护云服务系统，包括如下模块：

4、状态向量获取模块，用于获取p个设施节点的p×m个安全状态向量；

5、其中，所述设施节点包括业务系统节点、计算节点、数据库节点、网络边界节点和安全设备节点中的至少一种；

6、标签序列构建模块，用于根据p×m个安全状态向量聚类k个配置有安全场景标签的安全状态簇，并基于安全状态簇构建p个设施节点的场景标签序列；

7、场景事件获取模块，用于根据安全状态簇以及各设施节点的场景标签序列，获取p个设施节点各自的k×k个场景转移事件及其转移置信度；

8、其中，转移置信度用于表征对应场景转移事件在设施节点的场景标签序列中的转移可信程度；

9、当前事件获取模块，用于获取当前设施节点的当前场景转移事件；

10、事件匹配模块，用于将当前场景转移事件与当前设施节点对应的k×k个场景转移事件进行匹配，并将匹配一致的场景转移事件对应的转移置信度作为当前转移置信度；

11、异常监督输出模块，用于在当前转移置信度低于预设的防护触发阈值时，输出当前设施节点在标准预测周期内的异常监督结果；其中，所述异常监督结果表征为异常类别或异常等级或其组合；

12、安全防护模块，用于基于当前设施节点的异常监督结果进行安全防护。

13、在其中的一些实施例中，所述状态向量获取模块具体用于：

14、s1-1、锚定关键信息基础设施中的p个设施节点；

15、s1-2、采集任一个设施节点在m个采样时间窗的d项安全监测参数；

16、s1-3、将同一采样时间窗内的d项安全监测参数特征化拼接为安全状态向量；

17、s1-4、遍历m个采样时间窗，重复执行s1-3，直至获得所述设施节点的m个安全状态向量；

18、s1-5、对p个设施节点分别执行s1-2至s1-4，直至获得p个设施节点的p×m个安全状态向量。

19、在其中的一些实施例中，所述聚类k个配置有安全场景标签的安全状态簇，包括：

20、s2-a1、对p个设施节点的p×m个安全状态向量进行k值聚类，生成k个安全状态簇；

21、s2-a2、计算k个安全状态簇的簇心状态向量；其中，簇心状态向量表征为d个维度的安全监测参数经特征处理的安全状态特征；

22、s2-a3、提取簇心状态向量在d个维度的簇心状态特征；

23、s2-a4、以d个维度的簇心状态特征作为匹配索引，为簇心状态向量所在的安全状态簇内配置预定义的安全场景标签，直至生成所述配置有安全场景标签的安全状态簇；其中，安全状态簇内包含的安全状态向量共享所述安全场景标签。

24、在其中的一些实施例中，所述基于安全状态簇构建p个设施节点的场景标签序列，包括：

25、s2-b1、将p×m个安全状态向量按同一个设施节点分类，获得p个安全状态向量集；其中，安全状态向量集包括m个采样时间窗对应的m个安全状态向量；

26、s2-b2、将m个安全状态向量按采样时间窗的时序排列，构建p个设施节点对应的安全状态序列；

27、s2-b3、在p个设施节点对应的安全状态序列中，锚定任一个安全状态序列；

28、s2-b4、提取所述安全状态序列中的m个安全状态向量；

29、s2-b5、计算各安全状态向量与k个簇心状态向量之间的k个综合相似度；

30、s2-b6、在k个综合相似度中选定最大综合相似度，并锚定最大综合相似度对应的安全状态簇；

31、s2-b7、基于最大综合相似度对应的安全状态簇，为m个安全状态向量配置对应的安全场景标签，生成所述设施节点的场景标签序列；

32、s2-b8、遍历p个设施节点的安全状态序列，重复执行s2-b3至s2-b7，直至获得p个设施节点的p个场景标签序列。

33、在其中的一些实施例中，对p个设施节点的p×m个安全状态向量进行k值聚类，生成k个安全状态簇，包括：

34、a1-1、在p×m个安全状态向量中，选择k个安全状态向量作为第1轮簇心状态向量，并令i=1；

35、a1-2、计算任一个安全状态向量与k个第i轮簇心状态向量之间的k个欧氏距离；

36、a1-3、在k个欧氏距离中选定最小欧氏距离，并基于最小欧氏距离锚定对应的第i轮簇心状态向量；

37、a1-4、将所述任一个安全状态向量标记为归属于锚定的第i轮簇心状态向量；

38、a1-5、遍历p×m个安全状态向量，重复执行a1-2至a1-4，直至每个安全状态向量均归属于对应的第i轮簇心状态向量，形成k个第i轮安全状态簇；

39、a1-6、根据第i轮安全状态簇内的安全状态向量，计算对应的簇心状态向量；

40、a1-7、将计算得到的簇心状态向量作为第i+1轮簇心状态向量；

41、a1-8、计算第i+1轮簇心状态向量与第i轮簇心状态向量之间的簇心变化；

42、a1-9、若簇心变化大于预设的聚类收敛阈值，则将i更新为i+1，并返回执行a1-2；否则，将第i轮安全状态簇作为k个安全状态簇。

43、在其中的一些实施例中，所述场景事件获取模块具体用于：

44、s3-1、对任一个设施节点的场景标签序列，逐对选取相邻的安全场景标签，并将每对相邻的安全场景标签分别标记为出发场景标签和到达场景标签；

45、s3-2、将出发场景标签和到达场景标签配对，构成历史场景转移事件，直至得到m-1个历史场景转移事件；

46、s3-3、在k个安全场景标签中选定任一个安全场景标签，作为目标出发场景标签；

47、s3-4、将k个安全场景标签依次作为目标到达场景标签，并将目标出发场景标签分别与k个目标到达场景标签配对，构成目标出发场景标签对应的k个场景转移事件；

48、s3-5、对任一个场景转移事件，将其目标出发场景标签与m-1个历史场景转移事件的出发场景标签进行比较；

49、若目标出发场景标签与任一个历史场景转移事件的出发场景标签一致，则将对应的历史场景转移事件标记为目标出发事件，直至标记出全部的q个目标出发事件；

50、s3-6、将所述场景转移事件的目标到达场景标签与q个目标出发事件的到达场景标签进行比较；

51、若目标到达场景标签与任一个目标出发事件的到达场景标签一致，则将对应的目标出发事件标记为目标到达事件，直至标记出全部的t个目标到达事件；

52、s3-7、将t个目标到达事件与q个目标出发事件进行求比计算，生成所述场景转移事件对应的转移置信度；

53、s3-8、遍历目标出发场景标签对应的k个场景转移事件，重复执行s3-5至s3-7，直至生成目标出发场景标签对应的k个场景转移事件及其转移置信度；

54、s3-9、遍历k个安全场景标签分别作为目标出发场景标签，重复执行s3-3至s3-8，直至生成所述设施节点对应的k×k个场景转移事件及其转移置信度；

55、s3-10、遍历p个设施节点，重复执行s3-1至s3-9，直至得到p个设施节点各自的k×k个场景转移事件及其转移置信度。

56、在其中的一些实施例中，所述当前事件获取模块具体用于：

57、s4-1、获取当前设施节点在前序采样时间窗和当前采样时间窗内的安全状态向量；

58、s4-2、分别计算所述前序采样时间窗和当前采样时间窗内的安全状态向量与k个簇心状态向量之间的k个前序综合相似度和k个当前综合相似度；

59、s4-3、在k个前序综合相似度中选择最大前序综合相似度，并在k个当前综合相似度中选择最大当前综合相似度；

60、s4-4、基于最大前序综合相似度和最大当前综合相似度，在k个安全状态簇对应的安全场景标签中分别选择前序出发场景标签和当前到达场景标签；

61、s4-5、将前序出发场景标签和当前到达场景标签配对，构成所述当前设施节点的当前场景转移事件。

62、在其中的一些实施例中，所述异常监督输出模块具体用于：

63、s6-1、获取当前设施节点在标准时长内j个采样时间窗的j个安全状态向量；其中，j≤m；

64、s6-2、将j个安全状态向量按采样时间窗的先后顺序排列，构建当前设施节点的安全状态序列；

65、s6-3、将当前设施节点的安全状态序列输入至预训练的时序异常监督模型，输出当前设施节点在标准预测周期内的异常监督结果；其中，所述异常监督结果表征为异常类别或异常等级或其组合。

66、本发明提供了基于人工智能的关键信息基础设施安全防护云服务系统，具备以下有益效果：

67、本发明通过聚类k个配置有安全场景标签的安全状态簇，并基于安全状态簇构建p个设施节点的场景标签序列，使每个设施节点在连续采样时间窗内的安全状态能够被转换为具有时间顺序的安全场景标签；

68、进一步地，本发明基于设施节点的场景标签序列，获取各设施节点的k×k个场景转移事件及其转移置信度。由此，每个设施节点均能够形成与其自身历史安全场景变化规律相对应的场景转移事件及其转移置信度；

69、基于场景转移事件及其转移置信度，当前场景转移事件可以与该当前设施节点自身对应的k×k个场景转移事件及其转移置信度进行匹配，从而判断当前场景转移事件是否属于该当前设施节点历史运行中较常出现的安全场景变化；当低于预设的防护触发阈值时，说明该当前场景转移事件相对于当前设施节点自身历史安全场景变化规律而言可信程度较低，从而为获取当前设施节点在标准预测周期内的异常监督结果提供针对性的触发依据，使进行安全防护能够更贴合不同设施节点的历史安全场景变化规律。