一种业务异常检测方法、装置、设备及可读存储介质与流程
本申请涉及网络安全,特别是涉及一种业务异常检测方法、装置、设备及可读存储介质。
背景技术:
1、在网络安全领域,基于基线的异常检测是识别未知威胁的重要手段之一。传统方案通常由运维人员根据经验配置静态的业务识别基线,设定固定的研判阈值用于区分正常业务流量与恶意攻击流量。
2、然而,上述静态基线方案在实际应用中存在明显不足。首先,业务场景本身是动态变化的,如部分客户业务设备多、日常业务流量大,正常的业务波动就可能触发告警(误报);而部分客户在攻防演练期间,攻击流量巨大但业务流量相对较少,静态基线无法及时调整,容易导致真实攻击被漏判(漏报)。此外,静态阈值的调整往往依赖人工经验,难以做到实时响应和精细化运营。
3、综上所述,如何提高业务的异常检测准确率等问题,是目前本领域技术人员急需解决的技术问题。
技术实现思路
1、本申请的目的是提供一种业务异常检测方法、装置、设备及可读存储介质,通过明确当前业务环境的动态风险评分,并基于动态风险评分对业务识别基线中的研判阈值进行动态调整,从而提高业务的异常检测准确率。
2、为解决上述技术问题,本申请提供如下技术方案:
3、一种业务异常检测方法,包括:
4、对当前业务的多源安全数据进行标准化处理,得到标准事件;
5、利用所述标准事件中风险因子的特征值,确定当前业务环境的动态风险评分;
6、根据所述动态风险评分对应的预设区间,调整业务识别基线中的研判阈值;
7、基于调整后的业务识别基线,对当前业务访问进行异常检测,得到检测结果。
8、优选地,对当前业务的多源安全数据进行标准化处理,得到标准事件,包括:
9、实时采集网络流量数据,并获取业务上下文数据和外部威胁情报数据;
10、将所述网络流量数据、所述业务上下文数据和所述外部威胁情报数据确定为所述多源安全数据;
11、对所述多源安全数据进行清洗;
12、对清洗后的数据按照预设数据结构进行归一化处理,得到所述标准事件。
13、优选地,对清洗后的数据按照预设数据结构进行归一化处理,得到所述标准事件,包括:
14、将清洗后的数据映射至所述预设数据结构,得到包括网络层信息、应用层信息和上下文字段的标准事件;
15、其中,所述上下文字段至少包含业务时段标识和资产重要性等级。
16、优选地,利用所述标准事件中风险因子的特征值,确定当前业务环境的动态风险评分,包括:
17、从所述标准事件中提取风险因子的特征值;其中,所述特征值包含特征数值、风险权重及上下文因子;
18、将各所述风险因子的特征数值分别与各自对应的风险权重及上下文因子相乘,并将各乘积累加,得到所述动态风险评分。
19、优选地,从所述标准事件中提取风险因子的特征值,包括:
20、对标准事件的应用层信息进行攻击特征规则匹配,根据匹配结果确定攻击特征命中情况所对应的特征数值;
21、根据所述标准事件中上下文字段中的业务时段标识,确定当前访问是否属于异常时段访问,并确定异常时段访问情况所对应的特征数值。
22、优选地,根据所述动态风险评分对应的预设区间,调整业务识别基线中的研判阈值,包括:
23、从若干个预设区间中,确定与所述动态风险评分对应的预设区间,及该预设区间对应的防护模式;
24、按照所述防护模式对应的调整方式,调整所述研判阈值中的请求成功率阈值和持续出现时间阈值。
25、优选地,基于调整后的业务识别基线,对当前业务访问进行异常检测,得到检测结果,包括:
26、获取当前业务访问的请求成功率及持续出现时间;
27、将所述请求成功率与调整后的请求成功率阈值进行比较,得到请求成功率检测子结果;
28、将所述持续出现时间与调整后的持续出现时间阈值进行比较,得到持续时间检测子结果;
29、结合所述请求成功率检测子结果和所述持续时间检测子结果,确定所述检测结果。
30、一种业务异常检测装置,包括:
31、数据采集模块,用于获取当前业务的多源安全数据;
32、数据标准化模块,用于对所述多源安全数据进行标准化处理,得到标准事件;
33、风险评分模块,用于利用所述标准事件中风险因子的特征值,确定当前业务环境的动态风险评分;
34、策略调整模块,用于根据所述动态风险评分对应的预设区间,调整业务识别基线中的研判阈值;
35、异常检测模块,用于基于调整后的业务识别基线,对当前业务访问进行异常检测,得到检测结果。
36、一种电子设备,包括:
37、存储器,用于存储计算机程序;
38、处理器,用于执行所述计算机程序时实现上述业务异常检测方法的步骤。
39、一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述业务异常检测方法的步骤。
40、应用本申请实施例所提供的方法,对当前业务的多源安全数据进行标准化处理,得到标准事件;利用标准事件中风险因子的特征值,确定当前业务环境的动态风险评分;根据动态风险评分对应的预设区间,调整业务识别基线中的研判阈值;基于调整后的业务识别基线,对当前业务访问进行异常检测,得到检测结果。
41、对当前业务的多源安全数据进行标准化处理,形成统一格式的标准事件,实现了对不同来源、不同类型安全数据的融合分析,提高了安全数据利用效率和风险识别能力。提取标准事件中的风险因子特征值,对当前业务环境进行动态风险评分,能够实时感知业务运行状态及安全风险变化,避免传统方案中依赖固定基线导致的检测滞后问题。根据动态风险评分对应的预设区间自动调整业务识别基线中的研判阈值,使检测策略能够随业务环境变化进行自适应调整。当正常业务流量发生较大波动时,可动态提高或优化检测阈值,降低因业务增长、设备规模变化等因素引起的误报;当业务处于高风险环境或攻击活动增强时,可动态收紧检测阈值,提高对异常访问行为的敏感性,减少攻击漏判情况。通过动态基线调整替代人工经验配置,使得业务异常检测策略可自动化优化。基于调整后的业务识别基线进行异常检测,能够提升未知威胁发现能力和检测结果准确性,从而增强网络安全防护的实时性、适应性和精细化水平。
42、即,本申请通过实时感知环境风险并自适应调整研判阈值,解决了静态基线导致的误报与漏报矛盾,提高基于基线进行异常检测的准确率。
43、相应地,本申请实施例还提供了与上述业务异常检测方法相对应的业务异常检测装置、设备和可读存储介质,具有上述技术效果,在此不再赘述。
1.一种业务异常检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,对当前业务的多源安全数据进行标准化处理,得到标准事件,包括:
3.根据权利要求2所述的方法,其特征在于,对清洗后的数据按照预设数据结构进行归一化处理,得到所述标准事件,包括:
4.根据权利要求1所述的方法,其特征在于,利用所述标准事件中风险因子的特征值,确定当前业务环境的动态风险评分,包括:
5.根据权利要求4所述的方法,其特征在于,从所述标准事件中提取风险因子的特征值,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,根据所述动态风险评分对应的预设区间,调整业务识别基线中的研判阈值,包括:
7.根据权利要求6所述的方法,其特征在于,基于调整后的业务识别基线,对当前业务访问进行异常检测,得到检测结果,包括:
8.一种业务异常检测装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述业务异常检测方法的步骤。
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