一种通信网络边隐私节点分类方法及装置

摘要: 本发明涉及通信网络安全、图数据处理、人工智能和差分隐私,尤其涉及面向企业/工业内网的内网设备节点风险检测的一种通信网络边隐私节点分类方法及装置。背景技术:1、在...
一种通信网络边隐私节点分类方法及装置

本发明涉及通信网络安全、图数据处理、人工智能和差分隐私,尤其涉及面向企业/工业内网的内网设备节点风险检测的一种通信网络边隐私节点分类方法及装置。

背景技术:

1、在企业、工业内网的网络安全运维场景中,网络内部部署大量服务器、办公终端、网关、物联网设备等网络实体,需要对各类内网设备开展风险识别、异常检测,以此支撑告警、隔离、安全审计等安全处置业务。在通信网络安全管理中,主机、服务器、终端、路由设备、物联网设备、容器、虚拟机或虚拟网络实例等网络实体通常可表示为节点,连接、流或会话等通信关系可表示为通信边,由此构建出反映网络运行状态的通信网络图。图神经网络(graph neural network,gnn)通过聚合节点特征和通信关系,能够识别节点的运行状态、安全状态或风险等级,已被广泛应用于网络异常检测、恶意主机识别等内网设备风险识别场景。实际部署中,模型通常在历史通信图上完成训练并冻结模型参数,再对当前敏感推理通信图执行推理,输出各节点的分类得分或类别标签。由于当前通信边反映内网设备真实通信会话、业务访问关系,属于内网需要严格保护的敏感拓扑数据,而发布的分类得分或类别标签依赖这些通信关系,因而可能间接泄露敏感的通信边信息,对企业内网、工业网络的网络安全构成潜在威胁。

2、现有图数据隐私保护技术包括差分隐私(differential privacy,dp)训练、图结构扰动、安全多方计算和邻居采样等,分别面向训练数据、输入图结构、计算过程或单次推理使用的邻接信息。其中,差分隐私训练通过在训练阶段引入噪声保护训练数据,但难以约束冻结模型在推理阶段对当前通信图通信边的依赖;图结构扰动通过随机增删或置换图结构隐藏真实拓扑,但会破坏图结构信息并影响内网设备风险分类精度;安全多方计算侧重于保护多方协同计算过程,未针对推理输出对通信边的间接依赖提供保护;邻居采样通过限制单次推理使用的邻接信息降低边信息暴露,但无法对完整分类向量提供统一的隐私保证。然而,上述方法均未解决以下技术问题:在企业或工业内网运维业务下,冻结图神经网络利用敏感推理通信图进行内网设备节点风险分类时,分类向量可能随单条通信边的增删而变化,攻击者可利用该变化反推内网主机或网络设备之间真实通信会话关系。现有处理方式中,逐节点加入输出噪声会影响设备风险分类结果,并带来多节点隐私预算组合问题;直接发布完整分类向量又缺少稳定性判定,难以结合内网安全业务需求,根据分类向量对单边变化的稳定程度统一决定是否发布风险识别结果。

3、综上所述,现有图数据隐私保护技术难以在保护内网全部推理通信边的同时,为完整分类向量提供边差分隐私(edge differential privacy)保护,且缺乏适配内网安全业务的统一稳定性判定与发布机制,导致通信边隐私保护与内网设备风险分类结果可用性难以兼顾。

技术实现思路

1、本发明实施例提供一种通信网络边隐私节点分类方法及装置,用于解决企业/工业内网设备风险识别业务下,现有技术难以兼顾内网通信边隐私保护与设备风险分类结果可用性,无法抑制单条内网通信会话变化对分类输出的影响,节点风险分类结果存在泄露内网设备真实通信关系风险的技术问题。

2、本发明实施例提供的该方法适配企业、工业内网的设备风险识别业务,用于在保护内网通信拓扑隐私的前提下完成内网设备节点风险分类。

3、本发明实施例提供通信网络边隐私节点分类方法,由电子设备执行,包括:

4、根据敏感推理通信图的节点集合构成可能通信边全集,对所述可能通信边全集内的各条可能通信边生成视图编号排列序列,依据预设边暴露上限确定单条可能通信边归属的视图编号集合,基于各视图编号对应的可能通信边,构造多个公开掩码集合以及公开掩码族;

5、根据公开掩码集合与敏感推理通信图真实通信边集合的交集,生成对应的掩码视图,将所有掩码视图以及节点特征,输入至参数冻结的图神经网络,得到各节点的原始分类得分,将原始分类得分统一裁剪至设定区间,对多个掩码视图下同一节点、同一类别的裁剪分类得分求取算术平均,得到平均分类得分;

6、遍历固定发布节点集合中的各个节点,按照预设类别并列处理规则确定各节点最大平均分类得分对应的暂定类别,根据最大平均分类得分与第二大平均分类得分之差得到节点分类间隔,根据节点分类间隔与分类间隔选择阈值的大小关系,设置各个节点的待发布结果为对应类别标签或拒绝符号,将所述固定发布节点集合内全部节点的待发布结果组合,得到待发布选择性分类向量;依据节点分类间隔与分类间隔选择阈值的差值,以两倍得分敏感度上界为间隔进行离散化计算,得到非负整数的节点稳定性分数;

7、将所述待发布选择性分类向量作为全局拟发布结果,选取固定发布节点集合内最小的节点稳定性分数作为查询稳定性统计量,向查询稳定性统计量添加预设尺度的拉普拉斯隐私噪声得到加噪统计量,根据加噪统计量与预设全局测试阈值的大小关系,判定全局测试通过或未通过;

8、若全局测试通过,将所述待发布选择性分类向量输出至网络安全管理设备,用于节点状态管理或安全处置;若全局测试未通过,输出长度等于固定发布节点集合节点总数的全拒绝输出向量。

9、本发明实施例提供的该装置适配企业、工业内网的设备风险识别业务,用于在保护内网通信拓扑隐私的前提下完成内网设备节点风险分类。

10、本发明实施例提供一种通信网络边隐私节点分类装置,由电子设备执行,包括:

11、构造单元,用于根据敏感推理通信图的节点集合构成可能通信边全集,对所述可能通信边全集内的各条可能通信边生成视图编号排列序列,依据预设边暴露上限确定单条可能通信边归属的视图编号集合,基于各视图编号对应的可能通信边,构造多个公开掩码集合以及公开掩码族;

12、第一得到单元,用于根据公开掩码集合与敏感推理通信图真实通信边集合的交集,生成对应的掩码视图,将所有掩码视图以及节点特征,输入至参数冻结的图神经网络,得到各节点的原始分类得分,将原始分类得分统一裁剪至设定区间,对多个掩码视图下同一节点、同一类别的裁剪分类得分求取算术平均,得到平均分类得分;

13、第二得到单元,用于遍历固定发布节点集合中的各个节点,按照预设类别并列处理规则确定各节点最大平均分类得分对应的暂定类别,根据最大平均分类得分与第二大平均分类得分之差得到节点分类间隔,根据节点分类间隔与分类间隔选择阈值的大小关系,设置各个节点的待发布结果为对应类别标签或拒绝符号,将所述固定发布节点集合内全部节点的待发布结果组合,得到待发布选择性分类向量;依据节点分类间隔与分类间隔选择阈值的差值,以两倍得分敏感度上界为间隔进行离散化计算,得到非负整数的节点稳定性分数;

14、判断单元,用于将所述待发布选择性分类向量作为全局拟发布结果,选取固定发布节点集合内最小的节点稳定性分数作为查询稳定性统计量,向查询稳定性统计量添加预设尺度的拉普拉斯隐私噪声得到加噪统计量,根据加噪统计量与预设全局测试阈值的大小关系,判定全局测试通过或未通过;

15、输出单元,用于若全局测试通过,将所述待发布选择性分类向量输出至网络安全管理设备,用于节点状态管理或安全处置;若全局测试未通过,输出长度等于固定发布节点集合节点总数的全拒绝输出向量。

16、本发明实施例提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述任意一项所述通信网络边隐私节点分类方法。

17、本发明实施例提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述任意一项所述通信网络边隐私节点分类方法。

18、本发明实施例提供一种通信网络边隐私节点分类方法及装置,该方法通过公开掩码集合约束每条可能通信边的视图暴露数量,结合预设边暴露上限限制单条可能通信边的归属掩码视图范围,并对各掩码视图输出的原始分类得分进行区间裁剪与多视图均值平滑处理,将单条敏感推理通信边增减扰动对平均分类得分的最大影响量严格约束在得分敏感度上界范围内,对内网通信拓扑扰动实现可量化、可证明管控,保障内网设备风险分类业务稳定运行;依据节点最大平均分类得分与次大平均分类得分的差值构建节点分类间隔,结合分类间隔选择阈值与得分敏感度上界,离散化计算得到表征边编辑半径的节点稳定性分数;选取固定发布节点集合内所有节点稳定性分数的最小值作为查询稳定性统计量,精准表征整体待发布选择性分类向量的拓扑抗扰动稳定性能,为后续适配内网安全业务的全局隐私发布判定提供量化、可计算的可靠依据;依托隐私发布机制实现统一发布决策,根据加噪后的查询稳定性统计量与全局测试阈值的比对结果,整体判定输出待发布选择性分类向量或全拒绝输出向量。该方法仅对标量形式的查询稳定性统计量添加拉普拉斯差分隐私噪声,无需对各节点输出结果逐一加噪,也无需拆分、叠加多节点隐私预算,大幅降低内网安全业务的部署难度,同时保证全域隐私防护的完整性;本方法适配已训练完成且参数冻结的图神经网络完成推理运算,训练阶段通信拓扑数据不参与敏感推理掩码视图的构建,从源头规避敏感拓扑信息泄露风险;最终输出的标准化向量结果可直接供网络安全管理设备调用,支撑设备完成节点状态管理、风险告警、拓扑审计、风险隔离等内网安全处置业务,适配企业内网、工业网络实际安全运维落地场景,工程实用性强。