一种基于攻击路径前序依赖图的自动渗透智能体识别方法

摘要: 本发明属于网络安全,具体涉及网络欺骗防御与攻击行为识别,尤其涉及一种基于攻击路径前序依赖图的自动渗透智能体识别方法。背景技术:1、随着企业网络、云原生环境与工业...
一种基于攻击路径前序依赖图的自动渗透智能体识别方法

本发明属于网络安全,具体涉及网络欺骗防御与攻击行为识别,尤其涉及一种基于攻击路径前序依赖图的自动渗透智能体识别方法。

背景技术:

1、随着企业网络、云原生环境与工业互联网的融合,攻击面已从单一主机或单一网络应用扩展为由公网入口、应用编程接口网关、身份服务等共同组成的复杂环境。攻击者为完成入侵目标,通常需要依次进行资产发现、服务识别、漏洞匹配、凭据尝试、权限获取等步骤。上述步骤之间存在明确的前置条件与能力传递关系,例如漏洞利用动作通常依赖服务版本识别或指纹探测结果,登录后的命令执行通常依赖有效凭据或远程命令执行能力,内网横向探测通常依赖内网访问通道或跳板节点。

2、近年来,自动化渗透测试技术正由传统扫描器向具备规划能力的自动渗透智能体演进。传统扫描器主要按照预设字典、规则库和插件链执行,输出以漏洞列表或告警为主;而基于大语言模型或强化学习的自动渗透智能体能够读取工具执行结果、维护任务状态、选择下一步工具、根据反馈修正路径,并在必要时调用外部知识库或工具链。已有研究表明,自动渗透智能体已具备把信息收集、漏洞发现、漏洞利用和反馈分析组织为多步任务的能力,例如pentestgpt、hacksynth、autopentest、vulnbot、ptfusion等。更进一步,多智能体自动渗透框架会把侦察、扫描、漏洞验证、利用执行等任务分配给不同角色智能体,使攻击过程天然呈现跨工具、跨阶段、跨会话甚至跨网络位置的协同特征。

3、在真实网络攻防环境中,自动渗透智能体的行为可能并不表现为单一高频扫描源。为降低被封禁或被关联的概率,攻击者可使用代理池、短会话、临时容器或多个智能体角色分担攻击任务。此时,防御侧看到的是多个源地址、多个会话、多个协议、多个安全设备产生的碎片化事件:一个实体完成服务识别,另一个实体执行漏洞利用,第三个实体在利用成功后执行登录后命令。若仍以源地址、会话标识或短时间窗口作为主要关联依据,攻击链条会被拆散为多个孤立事件。

4、与此同时,蜜罐与网络欺骗技术已从静态低交互诱捕发展为高交互、动态响应、可编排的欺骗防御体系。蜜点、蜜罐等组件能够在攻击者侦察和试探阶段获取早期线索,并记录攻击者对虚假服务、虚假文件、虚假接口、虚假凭据和高交互环境的访问过程。近年来基于大语言模型的动态蜜罐研究进一步提高了交互真实性,使防御侧能够获取更丰富的攻击过程数据。但现有蜜罐系统通常仍以「触发诱饵资源」或「记录交互命令」为核心,缺少把蜜罐事件与入侵检测、应用防火墙、主机、认证、代理和流量事件共同转化为攻击路径依赖关系的机制。

5、现有较相近的实现方案主要包括三类:第一类是传统安全日志关联与安全信息与事件管理告警聚合方案,该类方案将入侵检测、入侵防御、应用防火墙、终端检测响应、代理网关、主机审计、身份认证和应用日志统一接入安全运营平台,按规则、时间窗口、资产、告警类型、威胁等级和实体标识进行归并,减少告警噪声并形成安全事件;例如在同一源地址于短时间内触发端口扫描、目录扫描和漏洞利用告警时,将其合并为同一攻击事件,该类方案适合发现单主体连续攻击,关联依据主要是实体标识和时间邻近性。第二类是多阶段攻击检测与攻击场景重建方案,该类方案将攻击视为由多个阶段组成的序列或场景,依据流间通信关系、阶段顺序、时间序列、图邻接关系、聚类结果或攻击路径搜索,使用攻击阶段标签、状态转移、序列模式、图聚合或聚类恢复攻击路径。第三类是流量聚类、行为相似度和攻击序列检测方案,该类方案通过网络流量统计、载荷摘要、请求路径、用户代理标识、传输层安全指纹、命令模板、协议偏好、时间节奏等特征,计算实体或会话之间的相似度,并聚类相似攻击行为,识别批量扫描器、恶意工具族或同源攻击基础设施。

6、综上所述,现有技术并非完全不能发现多步攻击,而是在识别「由自动渗透智能体或智能体集群驱动、被拆分到多个实体上的协同行为链路」时存在技术缺口:其一,地址或会话聚合在代理池、短会话和分布式执行场景下失效;其二,时间窗口聚合在长周期和异步协同场景下失效,侦察与利用之间可能相隔数小时或数天,短窗口会漏掉慢速链路,长窗口又会引入大量无关背景噪声;其三,相似度聚类无法表达攻击动作之间的必要依赖,侦察、漏洞利用、登录后命令执行和内网代理搭建的载荷、协议和工具指纹天然不同,低相似度不代表不协同,反之两个普通扫描器可能路径和载荷高度相似却并不构成同一攻击事件;其四,多阶段攻击检测和攻击链重建通常强调阶段顺序或场景重建,缺少跨实体的能力传递验证,多数边表示通信关系、时序关系、聚类关系或阶段关系。

7、产生上述缺点的原因在于:其一,多源安全事件的语义粒度不统一,不同设备输出的是端口、网址、规则编号、命令、认证结果、文件路径等异构字段,若不先抽象为统一的原子攻击动作,就无法进行跨设备依赖推理;其二,现有方案缺少「动作输入前提」和「动作输出能力」,现有日志字段通常记录请求源、目标、时间、规则命中和载荷内容,不记录该事件完成后攻击者是否获得服务版本已知、登录权限、命令执行能力、内网访问通道等能力,也不记录后续动作执行前需要哪些能力;其三,现有事件关联主要依赖时间邻近或主体相同,缺少目标关联约束和能力传递校验,而即使单条关联成立,多个候选链路之间还需要按重叠实体、重叠动作、共享目标或共享能力输出合并为协同子图;其四,时间窗口过于统一,不同攻击阶段的合理间隔不同,扫描到指纹识别可能相隔分钟级,指纹识别到漏洞利用可能相隔小时级,获得命令执行到横向移动可能跨越更长窗口。

技术实现思路

1、本发明所要解决的技术问题是:在自动渗透智能体或多智能体框架把攻击流程拆分到多个地址、多个会话、多个工具和多个时间窗口执行时,如何从多源安全事件中判断这些碎片化动作在渗透逻辑上是否满足同一攻击路径的前序依赖,并进一步识别其是否属于自动渗透智能体或智能体集群的协同行为。

2、为解决上述技术问题,本发明不再以实体标识一致或时间邻近作为主要关联依据,而是先把异构安全事件统一抽象为带有攻击阶段、输入前提和输出能力的标准化原子攻击动作,再以攻击能力能否接续传递为依据建立动作之间的前序依赖关系,通过跨实体回溯匹配和协同子图融合,把多个分散主体产生的局部攻击链组合为同一攻击事件,并据此提取行为指纹、输出识别结果与证据链。

3、本发明提供的一种基于攻击路径前序依赖图的自动渗透智能体识别方法,采用如下技术方案:

4、一种基于攻击路径前序依赖图的自动渗透智能体识别方法,包括以下步骤:

5、s1、多源安全事件标准化与攻击动作语义抽象:采集来自网络检测设备、主机安全系统、认证系统和蜜罐环境中的多源安全日志,对所述多源安全日志进行时间归一化、字段解析和行为提取,得到标准安全事件;再对所述标准安全事件进行攻击行为语义抽象,将日志行为转换为原子攻击动作事件,所述原子攻击动作事件至少包括动作类型、攻击阶段、涉及实体、目标对象、时间信息、输入前提能力和输出能力,所述动作类型取自预设的动作类型库;

6、s2、构建攻击路径前序依赖图:建立包含原子攻击动作类型节点和有向依赖边的攻击路径前序依赖图,当第一动作类型的输出能力满足第二动作类型的输入前提能力时,在两者之间建立依赖边,所述依赖边包括依赖权重、所需能力、输出能力、最大允许时间间隔和目标关联约束;

7、s3、跨实体依赖链路回溯与协同行为匹配:当产生新的原子攻击动作事件时,根据其动作类型在所述攻击路径前序依赖图中查找前置动作类型,并在历史原子攻击动作事件集合中搜索满足下述条件的候选前置动作事件:输出能力满足当前原子攻击动作事件的输入前提能力、满足所述最大允许时间间隔、满足所述目标关联约束;将命中的候选前置动作事件加入候选依赖链路,并以该候选前置动作事件为新的锚点继续向前回溯,且在所述搜索中不以同一源地址或同一会话作为限定条件;

8、s4、协同攻击子图合并:对多条所述候选依赖链路,依据实体之间的关联关系、目标之间的关联关系、动作之间的能力传递关系以及时间和攻击逻辑上的连续性进行融合,构建协同攻击子图,所述协同攻击子图包括实际原子攻击事件节点、实际命中的依赖边、涉及实体集合、涉及目标集合和时间范围;

9、s5、协同行为指纹构建:基于所述协同攻击子图提取行为指纹,所述行为指纹包括攻击组织特征、攻击时序特征、攻击逻辑特征、行为一致性特征和欺骗环境交互特征;

10、s6、自动渗透智能体识别与证据链输出:根据所述行为指纹,对当前攻击过程进行综合判断,输出自动渗透智能体识别结果,并生成包括攻击动作序列、攻击路径依赖关系、关联攻击实体、目标资源信息、原始日志来源和判定依据的证据链。

11、进一步地,所述标准安全事件记为e=;所述原子攻击动作事件记为a=;其中,raw_ref为原始日志引用,用于证据回溯。

12、进一步地,所述动作类型库包括端口扫描、目录遍历、服务版本识别、弱口令爆破、漏洞利用执行、登录后命令执行、内网代理搭建、内网横向探测、内网凭据尝试和目标任务执行共十种原子攻击动作类型;所述攻击阶段按照攻击动作完成后所形成的能力跃迁划分为外围侦察、精准指纹探测、漏洞利用执行、权限维持控制、内网横向扩散和目标任务执行共六个阶段,其中外围侦察阶段包括端口扫描和目录遍历,精准指纹探测阶段包括服务版本识别,漏洞利用执行阶段包括弱口令爆破和漏洞利用执行,权限维持控制阶段包括登录后命令执行和内网代理搭建,内网横向扩散阶段包括内网横向探测和内网凭据尝试,目标任务执行阶段包括目标任务执行。

13、进一步地,所述输出能力按照能力类别划分为目标发现能力、访问权限、执行权限和网络访问能力;其中,目标发现能力包括开放端口集合、可访问路径集合、服务类型和版本、内网目标和服务集合,访问权限包括有效凭据和横向登录结果,执行权限包括命令执行能力、主机执行权限和数据访问与任务执行结果,网络访问能力包括内网访问通道;目标地址可达、web服务可达、登录入口可达、漏洞条件匹配、出网通道、账号字典和凭据材料属于外部条件或输入材料,与所述输出能力分开表示。

14、进一步地,所述攻击路径前序依赖图记为g_pre=(v_pre,e_pre),其中v_pre为原子攻击动作类型节点集合,e_pre为有向依赖边集合,每条依赖边记为edge(i,j)=,其中action_i为前置动作类型,action_j为后续动作类型,dep_weight为取值0至1的依赖权重,req_capability为后续动作所需能力,out_capability为前置动作输出能力,max_delta_t为最大允许时间间隔,target_constraint为目标关联约束。

15、进一步地,所述依赖边还包括依赖类型,所述依赖类型包括必要依赖、替代依赖和增强依赖;所述依赖权重按照依赖类型取值,其中必要依赖取1.0,替代依赖取0.8,增强依赖取0.5,并结合红队演练数据、历史攻击事件频次和人工标注样本进行校准。

16、进一步地,所述第一动作类型的输出能力满足第二动作类型的输入前提能力,是指所述第一动作类型的输出能力中包含所述第二动作类型的至少一个必要输入前提能力;当所述第二动作类型需要多个必要输入前提能力时,由多个第一动作类型的输出能力的并集共同满足;当仅部分重合而未满足必要输入前提能力时,仅建立增强依赖边,不单独据此认定攻击链成立。

17、进一步地,所述最大允许时间间隔根据所述依赖边两端的动作类型所处的攻击阶段分别设置,使不同阶段之间的动作间隔采用不同的时间窗口;其中,外围侦察阶段至精准指纹探测阶段为30分钟,精准指纹探测阶段至漏洞利用执行阶段为24小时,漏洞利用执行阶段至权限维持控制阶段为24小时,权限维持控制阶段至内网横向扩散阶段为72小时,内网横向扩散阶段至目标任务执行阶段为7天,同一阶段内相邻动作类型之间的最大允许时间间隔按动作类型对分别设置,其中权限维持控制阶段内的登录后命令执行至内网代理搭建为24小时,内网横向扩散阶段内的内网横向探测至内网凭据尝试为72小时;当一条依赖边跨越两个及以上攻击阶段时,其最大允许时间间隔按所跨越阶段中最长的时间窗口取值,其中权限维持控制阶段至目标任务执行阶段为7天;所述最大允许时间间隔还可以取相应动作类型对的历史时间差的第95百分位数。

18、进一步地,所述目标关联约束按照所述依赖边所连接的动作类型对分别设置,包括:服务版本识别与漏洞利用执行之间要求目标地址、服务端口或web应用一致;弱口令爆破或漏洞利用执行与登录后命令执行之间要求凭据、入口或目标主机一致;内网代理搭建与内网横向探测之间要求后续目标位于该代理、隧道或跳板节点能够访问的内网网段;内网横向探测与内网凭据尝试之间要求登录目标属于前一步发现的内网目标集合;登录后命令执行或内网凭据尝试与目标任务执行之间要求目标任务发生在已经取得权限或访问能力的目标系统上;涉及凭据的动作之间还要求账号、身份域、租户或凭据摘要一致;仅属于同一批资产、同一网段或同一域名而不存在能力传递、业务归属或网络可达关系的,不满足所述目标关联约束。

19、进一步地,所述攻击路径前序依赖图按如下方式构建:依据渗透过程分析并参考公开的攻击技术知识库和攻击模式库,建立各原子攻击动作类型节点并定义其输入前提能力和输出能力;对任意两个动作类型比较其输出能力与必要输入前提能力,在满足时自动生成候选依赖边;由安全专家将所述候选依赖边确认为必要依赖、替代依赖或增强依赖,并配置最大允许时间间隔和目标关联约束;利用授权红队演练数据和已确认的历史攻击事件,对依赖权重、最大允许时间间隔和目标关联约束进行校准;校准完成后执行拓扑排序,删除导致攻击阶段倒退或形成循环的依赖边,使所述攻击路径前序依赖图为有向无环图。

20、进一步地,所述候选依赖链路记为l=;所述协同攻击子图记为s_coop=(v_evt,e_dep,entity,target,timerange),其中v_evt为实际原子攻击动作事件节点,e_dep为实际命中的依赖边,entity为涉及实体集合,target为涉及目标集合,timerange为子图时间范围。

21、进一步地,s3中所述继续向前回溯,是指以当前原子攻击动作事件为锚点,按照所命中依赖边的最大允许时间间隔在所述历史原子攻击动作事件集合中向前查找前置动作事件,每命中一个前置动作事件即以该前置动作事件为新的锚点继续向前查找,直至不存在更早的前置动作事件、超出相应的最大允许时间间隔、或者不再满足能力匹配条件和目标关联约束时停止;当同一锚点命中多组候选前置动作事件时,保留多条候选依赖链路并分别评分,剔除重复链路和评分低于预设要求的链路,并在候选依赖链路数量超过预设条数时保留评分最高的预设条数的候选依赖链路。

22、进一步地,所述评分依据以下因素确定:所命中依赖边的依赖权重;前置动作事件输出能力对后续动作事件所需必要能力的满足程度;各动作事件是否围绕同一目标、关联业务系统或可达内网展开;相邻动作事件之间的时间间隔是否处于相应攻击阶段的时间范围内;以及证据的完整程度;其中,存在必要能力未满足、超出最大允许时间间隔或者目标之间不具有关联关系的候选依赖链路不属于有效链路。

23、进一步地,s4中:当两条候选依赖链路使用相同的账号、凭据摘要、会话标识、cookie、设备指纹、传输层安全指纹、工具指纹或蜜罐会话号,或者其中一条候选依赖链路所控制的主机成为另一条候选依赖链路的攻击来源、代理节点或跳板节点时,判定实体之间有关联;当两条候选依赖链路针对同一目标地址、同一主机、同一服务端口、同一应用、同一账号体系或同一业务系统时,判定目标之间有关联;当两条候选依赖链路共有的动作节点数量与其中较短链路的动作节点数量之比达到30%及以上,且同时满足实体关联、目标关联和共享攻击能力中的至少一项时,将所述两条候选依赖链路合并为同一协同攻击子图;当所述比例低于30%时,仅当其中一条候选依赖链路输出的攻击能力直接满足另一条候选依赖链路的输入前提能力且同时满足最大允许时间间隔和目标关联约束时,才进行合并;仅存在同一网段、同一域名、同一批资产或时间接近等单一弱关联时,不进行合并。

24、进一步地,s5中所述行为指纹按如下口径计算:所述攻击组织特征中,先按照相同账号、凭据摘要、会话标识、cookie或蜜罐会话号等身份级标识对实体进行归并,归并后的实体簇作为一个实体参与后续统计,实体数量取归并后实体簇的数量;设备指纹、传输层安全指纹和工具指纹相同,仅作为实体之间存在关联的证据,不单独作为归并依据;协同程度为跨不同实体簇的有效依赖边数量除以全部有效依赖边数量;所述攻击时序特征中,将动作事件按时间排序后计算相邻动作事件时间间隔的平均值、中位数和标准差,并统计链路总持续时间,阶段推进程度为符合预设攻击阶段正向顺序的相邻动作数量除以全部相邻动作数量;所述攻击逻辑特征中,路径符合程度为实际命中的有效依赖边数量除以对应攻击路径中应当满足的依赖边数量,必要能力满足程度为已被前序动作输出能力覆盖的必要能力数量除以后续动作所需必要能力总数,并对未满足的必要依赖作缺失标记;所述行为一致性特征中,对存在依赖关系的动作事件比较其协议类型、请求方式、用户代理标识、传输层安全指纹、工具指纹、载荷模板和命令模板,类别字段相同记为1、不同记为0,载荷模板和命令模板按共同特征数量除以合并后的特征总数计算相似度,再对具备数据的各项相似度取平均值;所述欺骗环境交互特征中,统计蜜罐会话数量、蜜罐交互事件数量、触发诱饵资源数量、使用虚假凭据次数、执行命令数量、访问或下载虚假文件次数、交互持续时间和连续有效交互动作数量,欺骗环境交互比例为蜜罐或诱饵环境中的有效动作节点数量除以协同攻击子图中的全部动作节点数量。

25、进一步地,s6中所述综合判断通过预设规则或分类模型对所述行为指纹进行分析而实现;所述预设规则包括:①所述协同攻击子图包含至少3个原子攻击动作事件,且覆盖至少2个攻击阶段;②全部必要依赖对应的输入前提能力均被前序动作的输出能力满足;③攻击路径依赖命中比例不低于70%;④涉及跨实体协同时,归并后的实体簇数量不少于2个,且跨不同实体簇的有效依赖边数量不少于1条;⑤按攻击阶段正向推进的相邻动作数量比例不低于70%,且各动作事件之间的时间间隔未超过相应依赖边规定的最大允许时间间隔;⑥行为一致性不低于70%。

26、进一步地,s6中所述综合判断还包括计算自动渗透智能体判定可信度:将所述攻击逻辑特征映射为前序依赖得分d,将所述攻击组织特征中的跨实体协同部分映射为跨实体协同得分c,将所述攻击时序特征映射为连续规划得分p,将所述行为一致性特征映射为行为一致性得分b,将所述欺骗环境交互特征映射为欺骗环境交互得分h;其中,d=0.6×路径依赖命中比例+0.4×必要能力满足比例;c=跨不同实体的有效依赖边数量÷全部有效依赖边数量;p=0.5×阶段正向推进比例+0.5×时间窗口满足比例;b为具备有效数据的各项相似度的平均值;h=蜜罐或诱饵环境中的有效动作节点数量÷协同攻击子图中的全部动作节点数量;所述判定可信度按下式计算:判定可信度=0.30d+0.20c+0.25p+0.15b+0.10h;当未部署蜜罐或诱饵资源时,h不作为惩罚项,将其余四项的权重按原比例归一化为0.333、0.222、0.278和0.167,即此时判定可信度=0.333d+0.222c+0.278p+0.167b;当已部署蜜罐或诱饵资源而未发生交互时,h取0;上述归一化不改变判定门槛,判定可信度仍以0.75和0.55为界;判定可信度不低于0.75时判定为高可信度的自动渗透智能体行为,介于0.55至0.75之间时进入人工复核,低于0.55时作为普通攻击或低可信事件处理;必要依赖未被满足时,不判定为高可信。

27、进一步地,所述分类模型为随机森林二分类模型,其输入为所述攻击组织特征、攻击时序特征、攻击逻辑特征、行为一致性特征和欺骗环境交互特征,其输出为当前攻击行为属于自动渗透智能体行为的概率;所述分类模型的训练数据取自授权红队演练日志、自动渗透智能体测试日志、蜜罐交互日志和已确认的历史安全事件,其中正样本为经任务记录、工具调用记录或人工复核确认由自动渗透智能体或多智能体框架实施的攻击过程,负样本为传统扫描器行为、人工渗透行为、普通攻击行为和无关联的背景安全事件;训练数据按照攻击任务或攻击事件划分,训练集、验证集和测试集的比例分别为70%、15%和15%,并采用5折交叉验证选择参数;所述随机森林二分类模型的决策树数量为200,最大树深度为8,内部节点最小划分样本数为10,叶节点最小样本数为5,每次划分选取的特征数量为全部特征数量的平方根,类别权重为平衡模式。

28、本发明提供的一种基于攻击路径前序依赖图的自动渗透智能体识别方法具有以下有益效果:

29、1、本发明通过将异构安全事件统一抽象为带攻击阶段、输入前提和输出能力的原子攻击动作,并以攻击能力传递关系构建攻击路径前序依赖图的技术手段,解决了现有方案因多源事件语义粒度不统一而无法进行跨设备依赖推理的技术问题,实现了把端口、网址、规则编号、命令、认证结果等异构字段统一到攻击能力语义上、进而支撑跨设备关联的技术效果。

30、2、本发明通过以前序依赖图谱验证不同实体动作之间能力传递关系、而不以单一源地址或单一会话作为唯一关联依据的技术手段,解决了地址或会话聚合在代理池、短会话和分布式执行场景下失效的技术问题,实现了能够识别多个地址、多个会话或多个工具共同完成同一渗透路径的跨实体协同攻击链路的技术效果。

31、3、本发明通过为不同依赖边设置阶段化时间窗口、允许在较长时间范围内回溯前置动作的技术手段,解决了统一时间窗口在长周期与异步协同场景下既漏判又引入噪声的技术问题,实现了提升低频分散攻击召回能力的技术效果。

32、4、本发明通过以依赖匹配完整度、必要依赖命中率、阶段推进关系等特征区分孤立扫描动作与具有计划性和逻辑连续性的动作的技术手段,解决了现有相似度聚类无法表达攻击动作之间必要依赖的技术问题,实现了把普通扫描行为与具备路径规划能力的自动渗透智能体行为区分开的技术效果。

33、5、本发明通过输出包含实体、动作、时间、目标、依赖边和原始日志引用的证据子图的技术手段,解决了现有检测方案只给出分类标签、难以复核的技术问题,实现了检测结果可解释、便于安全人员复核与落地实施的技术效果。