一种基于智能体动态推理的网络资产识别方法及装置与流程

摘要: 本发明涉及网络空间资产测绘,具体涉及一种基于智能体动态推理的网络资产识别方法及装置。背景技术:1、随着云计算、物联网、工业互联网及关键基础设施网络的快速发展,网...
一种基于智能体动态推理的网络资产识别方法及装置与流程

本发明涉及网络空间资产测绘,具体涉及一种基于智能体动态推理的网络资产识别方法及装置。

背景技术:

1、随着云计算、物联网、工业互联网及关键基础设施网络的快速发展,网络空间中接入的服务器、路由设备、工业控制设备、物联网终端等网络资产数量持续增长,网络结构日趋复杂。网络资产作为网络空间的重要组成部分,其类型、运行状态及暴露情况直接关系到网络系统的安全性与可控性。为实现对网络空间安全风险的有效管理,通常需要对网络中的各类资产进行主动发现、协议识别及指纹分析,从而建立完整的网络资产画像。

2、目前,网络资产识别技术主要依赖于端口扫描、协议探测及规则匹配等传统方式。以nmap、zmap等为代表的现有传统资产扫描工具通常通过预定义的探测报文对目标主机进行端口访问,并依据返回的banner信息、协议字段特征及响应内容对设备类型、操作系统及服务类型进行识别。它们在通用网络环境下具备较高的扫描效率,但其扫描策略通常采用固定规则和静态探测模式,缺乏对网络上下文信息的动态分析能力,在复杂网络环境下缺乏自适应分析能力,难以实现高精度资产识别。

3、已有研究开始尝试将大语言模型应用于网络资产发现与安全分析任务,但现有方案仍主要聚焦于对扫描结果的静态分析,缺乏面向网络环境变化的动态推理机制,尚未形成闭环式资产识别流程。同时,现有技术对于扫描行为本身缺乏系统性的行为分析与动态调整能力,无法根据目标网络的实时反馈自适应地生成后续探测策略,也难以对异常扫描行为及智能体化扫描特征进行有效识别。

4、考虑到现有技术难以兼顾网络资产识别的准确性、自适应能力与低侵入式探测需求,有必要设计一种能够基于网络上下文信息动态生成探测策略、并结合行为特征实现资产识别与指纹分析的一体化网络资产识别方法。

技术实现思路

1、为了克服上述缺陷,本发明提出了一种基于智能体动态推理的网络资产识别方法及装置。

2、第一方面,提供一种基于智能体动态推理的网络资产识别方法,所述基于智能体动态推理的网络资产识别方法包括:

3、对目标网络资产的基础信息进行上下文特征分析,得到目标网络资产的上下文特征集合;

4、利用基于大语言模型的智能体对所述目标网络资产的上下文特征集合进行推理,生成探测策略;

5、依据所述探测策略对目标网络资产执行动态探测,获取目标网络资产探测过程的行为特征集合及探测结束的响应反馈信息;

6、基于所述目标网络资产的上下文特征集合和行为特征集合对目标网络资产进行资产画像识别。

7、优选的,所述基础信息包括:ip地址、端口开放状态、协议响应信息、banner信息、http header信息、tls指纹信息、网络时序特征及协议字段信息中的一种或多种。

8、优选的,所述上下文特征集合包括:网络协议特征、服务关联关系、设备行为特征、历史探测结果及网络拓扑关联信息中的一种或多种。

9、优选的,所述基于大语言模型的智能体采用混合专家模型架构,包含ics安全专家、网络安全专家和系统架构专家对应的专家模型,所述探测策略包括:探测协议选择、探测报文生成、探测频率调整、探测路径规划及探测优先级配置中的一种或多种。

10、优选的,所述响应反馈信息包括:协议响应内容、响应时间、异常状态码、服务交互行为及协议切换行为中的一种或多种;所述行为特征集合包括:扫描节奏特征、协议交互顺序特征、响应时序特征、探测路径特征及交互稳定性特征中的一种或多种。

11、优选的,所述资产画像包括:设备类型、操作系统类型、服务类型、协议类型、行为标签、风险等级及关联资产关系中的一种或多种。

12、优选的,所述基于所述目标网络资产的上下文特征集合和行为特征集合对目标网络资产进行资产画像识别,包括:

13、将上下文特征集合和行为特征集合拼接成一个联合特征向量;

14、将联合特征向量与系统内置的网络资产指纹库进行比对,获取目标网络资产相应的资产画像,或者,利用基于大语言模型的智能体对所述联合特征向量进行开放式的分类推理,得到目标网络资产相应的资产画像。

15、第二方面,提供一种基于智能体动态推理的网络资产识别装置,所述基于智能体动态推理的网络资产识别装置包括:

16、第一分析模块,用于对目标网络资产的基础信息进行上下文特征分析,得到目标网络资产的上下文特征集合;

17、第二分析模块,用于利用基于大语言模型的智能体对所述目标网络资产的上下文特征集合进行推理,生成探测策略;

18、第三分析模块,用于依据所述探测策略对目标网络资产执行动态探测,获取目标网络资产探测过程的行为特征集合及探测结束的响应反馈信息;

19、第四分析模块,用于基于所述目标网络资产的上下文特征集合和行为特征集合对目标网络资产进行资产画像识别。

20、第三方面,提供一种计算机设备,包括:一个或多个处理器;

21、所述处理器,用于存储一个或多个程序;

22、当所述一个或多个程序被所述一个或多个处理器执行时,实现所述的基于智能体动态推理的网络资产识别方法。

23、第四方面,提供一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现所述的基于智能体动态推理的网络资产识别方法。

24、本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:

25、本发明提供了一种基于智能体动态推理的网络资产识别方法及装置,包括:对目标网络资产的基础信息进行上下文特征分析,得到目标网络资产的上下文特征集合;利用基于大语言模型的智能体对所述目标网络资产的上下文特征集合进行推理,生成探测策略;依据所述探测策略对目标网络资产执行动态探测,获取目标网络资产探测过程的行为特征集合及探测结束的响应反馈信息;基于所述目标网络资产的上下文特征集合和行为特征集合对目标网络资产进行资产画像识别。本发明提供的技术方案,通过构建基于上下文信息的动态探测与反馈推理机制,实现对网络资产的自适应识别与智能化分析,具体的:

26、(1)本发明通过引入基于智能体的动态推理机制,实现了探测策略的动态生成与实时调整,能够根据目标网络环境的变化自适应地选择探测方式,提高复杂网络环境下的资产识别能力。

27、(2)本发明通过构建“感知—推理—探测—反馈”的闭环式资产识别流程,有效突破传统静态规则扫描方式的限制,提高未知资产及复杂协议场景下的识别准确率。

28、(3)本发明通过融合协议特征、行为特征及上下文信息,实现多维度资产画像构建,能够更加准确地识别目标资产的真实类型及关联关系。

29、(4)本发明通过引入行为特征分析机制,实现对智能体化扫描行为及异常交互行为的识别,提高网络资产识别过程中的行为分析能力与风险感知能力。

1.一种基于智能体动态推理的网络资产识别方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述基础信息包括:ip地址、端口开放状态、协议响应信息、banner信息、http header信息、tls指纹信息、网络时序特征及协议字段信息中的一种或多种。

3.如权利要求1所述的方法,其特征在于,所述上下文特征集合包括:网络协议特征、服务关联关系、设备行为特征、历史探测结果及网络拓扑关联信息中的一种或多种。

4.如权利要求1所述的方法,其特征在于,所述基于大语言模型的智能体采用混合专家模型架构,包含ics安全专家、网络安全专家和系统架构专家对应的专家模型,所述探测策略包括:探测协议选择、探测报文生成、探测频率调整、探测路径规划及探测优先级配置中的一种或多种。

5.如权利要求1所述的方法,其特征在于,所述响应反馈信息包括:协议响应内容、响应时间、异常状态码、服务交互行为及协议切换行为中的一种或多种;所述行为特征集合包括:扫描节奏特征、协议交互顺序特征、响应时序特征、探测路径特征及交互稳定性特征中的一种或多种。

6.如权利要求1所述的方法,其特征在于,所述资产画像包括:设备类型、操作系统类型、服务类型、协议类型、行为标签、风险等级及关联资产关系中的一种或多种。

7.如权利要求1所述的方法,其特征在于,所述基于所述目标网络资产的上下文特征集合和行为特征集合对目标网络资产进行资产画像识别,包括:

8.一种基于权利要求1-7任一项所述的基于智能体动态推理的网络资产识别方法的装置,其特征在于,所述装置包括:

9.一种计算机设备,其特征在于,包括:一个或多个处理器;

10.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1至7中任意一项所述的基于智能体动态推理的网络资产识别方法。