一种可解释模型驱动的直联点流量入侵分析与响应方法与流程

摘要: 本发明涉及网络安全,具体涉及一种可解释模型驱动的直联点流量入侵分析与响应方法。背景技术:1、随着网络互联架构的演进,直联点链路已成为跨网数据交互的核心通道,其承...
一种可解释模型驱动的直联点流量入侵分析与响应方法与流程

本发明涉及网络安全,具体涉及一种可解释模型驱动的直联点流量入侵分析与响应方法。

背景技术:

1、随着网络互联架构的演进,直联点链路已成为跨网数据交互的核心通道,其承载的流量规模与业务重要性持续提升,也因此成为网络入侵攻击的重点靶向目标。流量入侵检测与自动化响应是直联点安全防护体系的核心组成部分,直接决定网络边界的安全防护能力与业务连续性。传统基于专家规则的入侵检测方法依赖人工经验构建特征规则,虽具备检测实时性,但泛化能力有限,易被变种攻击绕过,漏报率较高;基于深度学习的智能检测方法虽提升了攻击识别精度与泛化能力,但模型判定过程呈黑盒特性,异常判定结果缺乏可追溯的特征依据,运维人员无法定位攻击成因,难以支撑精准的处置决策。在此背景下,可解释人工智能技术被引入入侵检测领域,以期在保障检测精度的同时赋予判定结果可解释性。

2、例如授权公告号为cn116318787b的中国发明专利公开了一种基于可解释人工智能的实时入侵检测方法及系统,其通过树正则算法迭代训练将流序列深度模型转译为可解释决策树模型,并提取决策路径转化为检测规则集合,部署于实时检测引擎以实现入侵流量的在线检测。该方案实现了深度学习模型向可解释规则的转化与实时部署,但仍存在明显的技术局限性:其一,仅聚焦于模型自身的可解释性转化,未构建结构化的已知入侵特征画像库,缺乏多维度的入侵画像匹配机制,对已知攻击的识别粒度不足,无法支撑靶向响应;其二,未对模型解释结果进行一致性校验与异常度量化,缺乏内生的异常置信度评估体系,对未知可疑攻击的识别与研判能力薄弱;其三,检测环节与响应环节相互脱节,未针对已知入侵、未知可疑入侵等不同威胁场景设计差异化的分级响应策略,难以在保障威胁处置效果的同时控制业务影响,无法满足直联点场景下高吞吐、高可靠的防护需求。

技术实现思路

1、本发明目的在于提供一种可解释模型驱动的直联点流量入侵分析与响应方法,以解决上述背景技术中提出的现有可解释入侵检测方案缺少入侵画像匹配与内生异常置信度量化机制,未区分已知、未知攻击设置差异化响应,难以适配直联点精准防护需求的问题。

2、为了实现上述目的,本发明提供一种可解释模型驱动的直联点流量入侵分析与响应方法,包括以下步骤:

3、对直联点链路的流量进行采集与流聚合处理,提取固定维度多维度流量特征,并经标准化预处理后生成标准化流量特征集;

4、将标准化流量特征集输入预训练的可解释决策树集成模型进行入侵检测推理,输出对应的局部特征归因向量以及全局解释统计量;

5、引入预构建的已知入侵特征画像库,对标准化流量特征集与已知入侵特征画像库执行入侵画像匹配,生成入侵画像匹配度矩阵;

6、融合局部归因向量、全局解释统计量与标准化流量特征集,通过解释一致性校验与特征异常度量化计算,生成内生异常置信度表征;

7、联合入侵画像匹配度矩阵与内生异常置信度表征进行分支判定:

8、若为已知入侵分支,基于标准化流量特征集、入侵画像匹配度矩阵和内生异常置信度表征生成靶向响应措施;

9、若为未知可疑入侵分支,则基于局部特征归因向量、全局解释统计量和已知入侵特征画像库推演生成可疑攻击画像后输出分级响应措施;

10、否则,则为无入侵异常分支,判定为正常流量,输出不响应措施。

11、优选的,所述局部特征归因向量为n×m维的二维特征归因权重矩阵,其中,n为经流聚合处理得到的流量流总数量,m为固定维度多维度流量特征的维度总数;

12、所述二维特征归因权重矩阵中各矩阵元素的值为对应流量流的对应维度特征在可解释决策树集成模型全部决策树中的分裂增益贡献累加值,用于量化表征单维特征对流量流入侵异常判定结果的边际贡献方向和贡献程度。

13、优选的,所述全局解释统计量包括全局特征重要性排序、决策路径分布统计和特征分界阈值;

14、所述全局特征重要性排序通过统计当前批次全部流量流的各维度特征平均绝对归因值并进行归一化处理得到;

15、所述决策路径分布统计通过统计所有异常流量流在可解释决策树集成模型中的命中路径并筛选预设数量的高频决策路径得到;

16、所述特征分界阈值通过提取可解释决策树集成模型的分裂节点并统计各维度特征区分正常流量流与异常流量流的最优分裂阈值得到。

17、优选的,所述已知入侵特征画像库由若干入侵特征画像文件构成,所述入侵特征画像文件对应一种入侵手段;所述入侵特征画像文件包括核心特征权重向量、特征分布区间、典型决策路径指纹和攻击靶点标签,其中,所述核心特征权重向量为对应入侵手段下各维度特征的平均归因贡献权重,所述特征分布区间为对应入侵手段下各维度特征的取值统计分布参数,所述典型决策路径指纹为对应入侵手段在可解释决策树集成模型中命中频率最高的若干条决策路径,所述攻击靶点标签用于标注对应入侵手段的核心作用维度特征。

18、优选的,所述入侵画像匹配的方法为:

19、对标准化流量特征集中的单条流量流与已知入侵特征画像库中的单个入侵特征画像文件,分别计算单特征取值匹配度、特征权重分布匹配度和决策路径匹配度,其中,所述单特征取值匹配度通过对应流量流各维度特征取值与入侵特征画像文件内特征分布区间的高斯相似度加权计算得到,所述特征权重分布匹配度通过对应流量流的高值特征集合与入侵特征画像文件内核心特征权重向量的余弦相似度计算得到,所述决策路径匹配度通过对应流量流在可解释决策树集成模型中命中的决策路径与入侵特征画像文件内典型决策路径指纹的公共分裂节点占比计算得到;

20、按照预设权重对单特征取值匹配度、特征权重分布匹配度和决策路径匹配度进行加权融合,得到该条流量流对应该入侵特征画像文件的综合匹配度;

21、遍历标准化流量特征集中所有流量流与已知入侵特征画像库中所有入侵特征画像文件,生成n×k维的入侵画像匹配度矩阵,k为入侵特征画像文件数量。

22、优选的,所述内生异常置信度表征的生成方法为:

23、计算单条流量流各维度特征的局部特征归因值排序与全局解释统计量中全局特征重要性排序的斯皮尔曼等级相关系数,得到解释一致性系数;

24、提取局部特征归因向量中预设数量的正贡献核心特征,计算对应维度特征在标准化流量特征集中的取值相对于正常流量基线的标准化偏离程度,得到特征异常度;

25、融合解释一致性系数、特征异常度和可解释决策树集成模型输出的异常预测概率,并经归一化处理后得到单条流量流的内生异常置信度得分;

26、将所有流量流的内生异常置信度得分与对应核心异常特征信息组合,生成内生异常置信度表征。

27、优选的,所述分支判定的判定规则为:

28、当单条流量流的内生异常置信度得分大于等于预设的高异常阈值,且入侵画像匹配度矩阵中该条流量流对应的最高综合匹配度大于等于预设的画像匹配阈值时,判定为已知入侵分支;

29、当单条流量流的内生异常置信度得分大于等于预设的高异常阈值,且入侵画像匹配度矩阵中该条流量流对应的最高综合匹配度小于预设的画像匹配阈值时,判定为未知可疑入侵分支;

30、当单条流量流的内生异常置信度得分小于预设的低异常阈值时,判定为无入侵异常分支;

31、同时执行源ip维度的批量聚合复核,当同一源ip下预设条数的流量流判定为同一分支时,确认为最终的分支判定结果。

32、优选的,所述靶向响应措施的生成方法为:

33、根据入侵画像匹配度矩阵匹配到的入侵特征画像文件的攻击靶点标签,结合内生异常置信度表征中的核心异常特征信息,从标准化流量特征集中提取对应流量属性,定位攻击的核心作用维度;

34、按照核心作用维度匹配对应粒度的响应动作候选集,响应动作候选集中的响应动作按处置强度从低到高排序;

35、构建以威胁处置收益最大化和业务影响代价最小化为目标的多目标优化模型,结合综合匹配度、内生异常置信度得分与响应动作代价值进行求解,从响应动作候选集中选择最优响应动作;

36、输出执行包含动作类型、作用对象和生效时长的靶向响应措施。

37、优选的,所述分级响应措施的生成方法为:

38、从局部特征归因向量中提取预设数量的正贡献核心特征,结合全局解释统计量中的异常特征分布统计与高频决策路径,生成可疑攻击临时画像;

39、计算可疑攻击临时画像与已知入侵特征画像库中各入侵特征画像文件的特征空间余弦相似度,得到攻击亲缘性指数和最近亲缘攻击类型;

40、融合内生异常置信度得分、攻击亲缘性指数和攻击影响范围参数,计算综合风险得分并划分风险等级;

41、根据最近亲缘攻击类型匹配对应风险等级的分级响应措施并输出执行。

42、与现有技术相比,本发明具有如下有益效果:

43、1.本发明构建标准化已知入侵特征画像库,融合多维度匹配指标计算流量与攻击画像综合匹配度,生成入侵画像匹配度矩阵,精细化识别各类已知入侵攻击,克服现有技术缺少结构化画像匹配机制、已知攻击识别粒度粗糙的缺陷。

44、2.本发明融合模型局部归因、全局解释统计量完成一致性校验与特征异常度量化,生成内生异常置信度表征,可量化流量异常程度,弥补现有方案无内生异常评估体系、未知可疑攻击研判能力薄弱的不足。

45、3.本发明设置三类流量分支判定逻辑,对已知入侵生成多目标优化靶向响应,对未知可疑攻击推演画像并输出分级处置策略,实现威胁差异化处置,解决现有技术检测与响应脱节、统一处置易造成业务损耗的问题。