基于时序起源图的具身智能系统安全溯源与联动防护方法

本发明属于具身智能安全，具体涉及基于时序起源图的具身智能系统安全溯源与联动防护方法。

背景技术：

1、具身智能系统同时运行于网络空间、软件空间、模型空间和物理空间中。攻击者既可以通过远程连接、恶意消息、模型篡改、配置污染等方式影响软件和模型执行，也可以进一步通过控制指令注入和执行器驱动异常影响物理动作，造成真实世界损害。

2、现有技术大多针对单一空间开展分析。网络日志检测方法能够发现连接、文件访问和进程行为，但难以说明这些离散事件是否导致物理动作异常；物理异常检测方法能够发现轨迹偏差、速度跳变和传感器异常，但难以向上追溯导致异常的远程连接、进程操作或模型输出来源。因此，现有方法普遍存在跨空间因果链断裂、难以形成统一溯源闭环的问题。

3、此外，高层安全知识与底层系统行为之间还存在明显语义鸿沟。漏洞公告、威胁情报、告警文本和控制规则通常以自然语言或半结构化字段存在，而底层系统中可观测的是远程端点、进程、文件、模型、控制话题、执行器和传感器状态等图结构元素。现有技术缺乏一种可计算的跨空间映射机制，难以将高层语义准确锚定到底层图元素。

4、因此，亟需一种能够统一多空间事件、完成语义映射、恢复风险传播路径并联动输出防护动作的技术方法。

技术实现思路

1、针对现有技术中存在的上述问题，本发明的目的在于提供基于时序起源图的具身智能系统安全溯源与联动防护方法。

2、本发明提供如下技术方案：基于时序起源图的具身智能系统安全溯源与联动防护方法，包括以下步骤：

3、s1、采集多源数据，并将连续物理数据按时间窗聚合为离散状态节点，经时间对齐与字段归一后形成统一格式的多源安全事件序列；

4、s2、基于多源安全事件序列，将系统实体建模为节点、将实体间的交互行为建模为边，结合时间戳构建跨空间时序起源图；

5、s3、解析高层语义信息，提取对象实体、动作语义与约束语义，生成底层候选节点的特征，计算高层语义单元与候选节点的映射分数以确定语义锚点；

6、s4、以告警点、可疑点、关键控制点与语义锚点为起始集合，按语义锚点、时间窗口和控制目标对图进行剪枝得到候选子图，通过图遍历生成满足时序约束的候选风险传播路径；

7、s5、基于时序因果约束对候选风险传播路径进行一致性验证，提取节点、边与路径的风险相关性特征，构造正负样本对，基于联合优化目标函数对节点、边和路径进行风险评估，输出节点、边与路径的风险分数；

8、s6、基于风险分数计算系统可信状态，当可信状态低于预设阈值时，输出联动防护动作。

9、进一步地，所述s1中，多源数据包括网络空间事件、软件空间事件、模型空间事件和物理空间事件；

10、所述网络空间事件包括远程连接、消息发布和消息订阅；

11、所述软件空间事件包括进程创建、文件访问和配置变更；

12、所述模型空间事件包括模型加载、推理调用和模型输出；

13、所述物理空间事件包括传感器观测、控制命令和执行器状态。

14、进一步地，所述s1中，将连续物理数据按时间窗聚合为离散状态节点的具体过程如下：

15、1）将连续物理观测序列按预设时间窗进行划分；

16、2）计算时间窗内的聚合状态，当相邻时间窗的聚合状态欧氏距离大于预设阈值时，将当前时间窗映射为一个物理状态节点，并在相邻物理状态节点之间建立状态转移边。

17、进一步地，所述s2中，跨空间时序起源图包括节点集合、边集合、时间属性集合和控制约束集合；

18、所述节点集合包括网络空间节点、软件空间节点、模型空间节点和物理空间节点；

19、所述边集合包括通信关系边、数据依赖边和控制关系边。

20、进一步地，所述s3中，基于文本相似度、类型一致性、邻域上下文一致性以及时间衰减因子计算高层语义单元与候选节点的映射分数；

21、所述文本相似度通过对告警文本中的对象名、命令词、路径标识或主题标识与候选节点属性字段进行向量化计算获得；

22、所述类型一致性根据实体类别的一致程度进行赋值；

23、所述邻域上下文一致性根据候选节点相邻动作类型与相邻实体类型的匹配比例计算。

24、进一步地，所述s4中，按语义锚点、时间窗口和控制目标对图进行剪枝的具体过程如下：

25、1）剔除超出目标时间窗口、与语义锚点无关联以及不满足控制目标约束的背景节点和背景边；

26、2）在剪枝后得到的候选子图中，保留满足时间先后关系和控制一致性约束的连接关系。

27、进一步地，所述s5中，正负样本对包括同一风险传播链片段、共享语义锚点或满足控制依赖关系的正样本对，以及时间顺序冲突、控制关系不成立、与语义锚点处于相同时窗但不共享传播因果或类型相同但来源不同的负样本对；基于所述正负样本对对模型进行训练，采用由结构与属性重建损失、多空间结构相似度对比损失以及风险评分约束损失加权求和构成的联合优化目标函数。

28、进一步地，所述s6中，通过综合节点风险分数、边风险分数和路径风险分数计算系统可信状态；当系统可信状态低于预设阈值时，依次或选择性地执行联动防护动作。

29、进一步地，所述联动防护动作至少包括：阻断远程连接、隔离消息通道、冻结异常控制指令、切换备用模型、降低执行器权限、触发人工接管或安全停车。

30、通过采用上述技术，与现有技术相比，本发明的有益效果如下：

31、1）本发明通过构建包括网络空间、软件空间、模型空间及物理空间的时序起源图，能够恢复从上游攻击到下游物理异常的跨空间传播路径，解决了因果链断裂问题。

32、2）本发明利用语义锚点提取与映射机制，将告警、情报及规则等高层次语义关联至底层图节点与边，实现了高层安全知识对底层行为的指引，降低了误判风险。

33、3）本发明基于语义锚点、时间窗口和控制目标对图进行剪枝，降低无关背景节点和背景边对候选路径生成的干扰，并结合时序因果约束及联合优化目标函数对节点、边及路径进行联合风险评估，提高了对跨空间风险传播行为的检测能力。

34、4）本发明基于量化风险分数计算系统可信状态，并触发阻断、隔离、降级或安全停车等分级防护动作，实现了从风险感知、传播分析到联动响应的闭环安全防护过程。

1.基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s1中，多源数据包括网络空间事件、软件空间事件、模型空间事件和物理空间事件；

3.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s1中，将连续物理数据按时间窗聚合为离散状态节点的具体过程如下：

4.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s2中，跨空间时序起源图包括节点集合、边集合、时间属性集合和控制约束集合；

5.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s3中，基于文本相似度、类型一致性、邻域上下文一致性以及时间衰减因子计算高层语义单元与候选节点的映射分数；

6.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s4中，按语义锚点、时间窗口和控制目标对图进行剪枝的具体过程如下：

7.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s5中，正负样本对包括同一风险传播链片段、共享语义锚点或满足控制依赖关系的正样本对，以及时间顺序冲突、控制关系不成立、与语义锚点处于相同时窗但不共享传播因果或类型相同但来源不同的负样本对；基于所述正负样本对对模型进行训练，采用由结构与属性重建损失、多空间结构相似度对比损失以及风险评分约束损失加权求和构成的联合优化目标函数。

8.根据权利要求1所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述s6中，通过综合节点风险分数、边风险分数和路径风险分数计算系统可信状态；当系统可信状态低于预设阈值时，依次或选择性地执行联动防护动作。

9.根据权利要求8所述的基于时序起源图的具身智能系统安全溯源与联动防护方法，其特征在于，所述联动防护动作至少包括：阻断远程连接、隔离消息通道、冻结异常控制指令、切换备用模型、降低执行器权限、触发人工接管或安全停车。