BGP异常检测方法、装置、电子设备及存储介质与流程
本技术实施例涉及路由,特别涉及一种bgp异常检测方法、装置、电子设备及存储介质。
背景技术:
1、边界网关协议(border gateway protocol,bgp)作为互联网域间路由的核心协议,其安全性直接影响全球网络的稳定运行。随着互联网规模的指数级增长,bgp协议的安全缺陷日益凸显。
2、相关技术中,基于rib(routing information base,路由信息库)/fib(forwarding information base,转发信息库)全表周期性比对的方式来实现bgp异常检测。
3、然而,基于rib/fib全表周期性比对的方式依赖全表遍历、延迟高,无法满足实时防护需求。
技术实现思路
1、本技术的目的在于至少提供一种bgp异常检测方法、装置、电子设备及存储介质,至少可以解决bgp异常检测依赖全表遍历、延迟高的问题,至少可以达到bgp异常检测不依赖全表遍历、延迟低,提高防护实时性的效果。
2、为解决上述技术问题,本技术的至少一个实施例提供了一种bgp异常检测方法,包括:采集bgp对等会话中的update报文流,任一update报文携带有宣告的前缀和/或撤销的前缀;采用滑动窗口对采集到的所述update报文流进行分块,针对分块得到的每个update报文块中宣告的前缀,从所述update报文块中提取每个宣告的前缀对应的统计特征;获取所述宣告的前缀的前缀稳定性熵,所述前缀稳定性熵基于所述宣告的前缀在至少一个维度上的历史概率分布确定,所述至少一个维度包括as_path路径、起源as(autonomoussystems,自治系统)、宣告对等体中的至少一个;将所述宣告的前缀对应的统计特征和前缀稳定性熵输入异常检测模型,利用异常检测模型输出所述宣告的前缀的异常置信度评分。
3、采集update报文流,用滑动窗口分块,对窗口内每个宣告的前缀提取统计特征,并获取该前缀的稳定性熵,将特征与熵输入异常检测模型,输出异常置信度评分的方式,摒弃全表遍历,采用流式滑动窗口,可在秒级完成异常判定,提高防护实时性的效果。
4、进一步地,前缀稳定性熵综合前缀在至少一个维度(从路径、源头、邻居三个角度评估前缀稳定性)上的历史概率分布,可以有效衡量宣告的前缀的行为稳定性,从而便于区分正常流量工程与恶意攻击,降低误报。
5、进一步地,为每个宣告的前缀单独获取对应的前缀稳定性熵,可以适应不同网络行为模式及前缀,避免一刀切而导致的误报,降低误报。
6、在一些可选的实施例中,所述至少一个维度包括as_path路径、起源as、宣告对等体,所述前缀稳定性熵的计算公式如下:
7、
8、
9、
10、其中,、和为权重参数;为所述宣告的前缀对应的历史宣告记录中,所述宣告的前缀在第条as_path路径出现的概率;为所述历史宣告记录中第个as为起源as的概率;为所述历史宣告记录中所述宣告的前缀被第个宣告对等体宣告的概率。
11、在一些可选的实施例中,所述统计特征包括消息层特征、路径层特征、前缀层特征和对等体层特征中的至少一个;所述消息层特征包括update宣告报文速率、update撤销报文速率、宣告的前缀与撤销的前缀的比例、update报文突发指数中的至少一个;所述路径层特征包括as_path长度分布变化、起源as变更频率、as_path环路检测结果、私有as号出现中的至少一个;所述前缀层特征包括前缀重叠度变化、更具体前缀宣告检测结果、前缀聚合/拆分模式中的至少一个;所述对等体层特征包括多对等体宣告一致性偏离度和/或单对等体行为突变检测结果。
12、在一些可选的实施例中,所述异常检测模型包括专家规则引擎和智能检测模型,所述异常检测模型的执行逻辑包括:在专家规则引擎的任一规则被触发时,将所述异常置信度评分设置为第一值;在专家规则引擎中无规则被触发时,由所述智能检测模型基于所述宣告的前缀对应的统计特征和前缀稳定性熵输出异常置信度评分,且由所述智能检测模型输出的异常置信度评分小于等于所述第一值。
13、异常检测模型包含专家规则引擎和智能检测模型的方式,实现了利用规则引擎确保已知攻击的快速硬响应,利用智能模型覆盖未知攻击。配置规则触发时置信度设为最大值(第一值),无规则触发时由智能模型输出且输出值不超过第一值的方式,实现了规则结果优先,避免智能模型的误判覆盖确定性威胁。
14、在一些可选的实施例中,还包括:确定所述异常置信度评分对应的响应级别,并执行所述响应级别对应的处置动作;其中,异常置信度评分与不同响应级别之间的对应关系如下:第一级响应:异常置信度评分[第二值,第一值],处置动作包括rtbh(remotelytriggered black hole,远程触发黑洞)、对等体会话抑制、bgp黑洞社区宣告中的至少一个,所述第二值小于所述第一值;第二级响应:异常置信度评分[第三值,第二值),处置动作包括引流至清洗中心、下发流规格过滤规则、宣告更具体前缀进行流量牵引中的至少一个,所述第三值小于所述第二值;第三级响应:异常置信度评分[0,第三值),处置动作包括异步日志记录、降低采样频率或更新前缀稳定性熵的历史基线中的至少一个,所述第三值大于0。
15、根据异常置信度评分划分三级响应,高异常置信度评分下进行第一级响应,以实现快速阻断,中异常置信度评分下对可疑流量引流分析,低异常置信度评分下仅记录,避免资源浪费。
16、在一些可选的实施例中,所述引流至清洗中心的执行过程中,确定用于引流的清洗中心的方式包括:基于至少一个目标约束确定清洗中心,所述至少一个目标约束包括资源约束、引流成本约束、业务约束和历史约束中的至少一个;所述资源约束包括清洗中心的cpu利用率、内存占用、并发会话数中的至少一个;所述引流成本约束包括引流路径的跨域带宽成本、流量计费策略中的至少一个;所述业务约束包括被引流前缀对应的客户服务等级协议sla等级、业务关键度评分中的至少一个;所述历史约束包括所述被引流前缀的历史误报记录、处置成功率中的至少一个。
17、综合多种约束选择清洗中心的方式,避免了单因素导向做出的次优选择。
18、本技术的至少一个实施例还提供了一种bgp异常检测装置,包括:采集模块,用于采集bgp对等会话中的update报文流,任一update报文携带有宣告的前缀和/或撤销的前缀;提取模块,用于采用滑动窗口对采集到的所述update报文流进行分块,针对分块得到的每个update报文块中宣告的前缀,从所述update报文块中提取每个宣告的前缀对应的统计特征;获取模块,用于获取所述宣告的前缀的前缀稳定性熵,所述前缀稳定性熵基于所述宣告的前缀在至少一个维度上的历史概率分布确定,所述至少一个维度包括as_path路径、起源as、宣告对等体中的至少一个;检测模块,用于将所述宣告的前缀对应的统计特征和前缀稳定性熵输入异常检测模型,利用异常检测模型输出所述宣告的前缀的异常置信度评分。
19、在一些可选的实施例中,还包括:执行模块,用于确定所述异常置信度评分对应的响应级别,并执行所述响应级别对应的处置动作;其中,异常置信度评分与不同响应级别之间的对应关系如下:第一级响应:异常置信度评分[第二值,第一值],处置动作包括rtbh、对等体会话抑制、bgp黑洞社区宣告中的至少一个,所述第二值小于所述第一值;第二级响应:异常置信度评分[第三值,第二值),处置动作包括引流至清洗中心、下发流规格过滤规则、宣告更具体前缀进行流量牵引中的至少一个,所述第三值小于所述第二值;第三级响应:异常置信度评分[0,第三值),处置动作包括异步日志记录、降低采样频率或更新前缀稳定性熵的历史基线中的至少一个,所述第三值大于0。
20、本技术的至少一个实施例还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的bgp异常检测方法。
21、本技术的至少一个实施例还提供了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实现上述的bgp异常检测方法。
22、本技术的至少一个实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述的bgp异常检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com