面向网络安全的AI平行仿真攻防对抗训练平台的制作方法

摘要: 本发明涉及网络安全,具体涉及面向网络安全的ai平行仿真攻防对抗训练平台。背景技术:1、随着数字经济全面推进,金融、电力、政务、能源等关键信息基础设施已成为网络攻...
面向网络安全的AI平行仿真攻防对抗训练平台的制作方法

本发明涉及网络安全,具体涉及面向网络安全的ai平行仿真攻防对抗训练平台。

背景技术:

1、随着数字经济全面推进,金融、电力、政务、能源等关键信息基础设施已成为网络攻击的核心目标。据行业统计,关键领域网络攻击事件呈逐年上升趋势,且绝大部分安全事件源于安全人员实战能力不足、防御策略滞后、演练场景脱离实际环境。

2、目前,国内网络安全演练主要分为物理实网演练、简易虚拟仿真、商用演练平台三类技术方案。但三类技术方案大多存在以下缺陷:

3、1、虚实映射无标准化流程:现有技术未构建物理网络到虚拟环境的拓扑、设备、状态三位一体映射规范,链路匹配度较低;

4、2、攻防场景更新滞后,流程管控无指标化评估:传统平台的演练场景更新依赖人工编写配置文件,更新周期长,而新型网络攻击的平均生命周期仅为1至2个月,无法开展对新威胁的提前防御演练。同时,现有演练流程高度依赖人工干预,缺乏攻防双方的自动化协同与实时动态监控,评估环节缺失网络韧性、攻防效率等指标化指标,无法生成针对性的防御策略优化参数,导致演练成果无法有效迁移至实际生产环境。

技术实现思路

1、为此,本发明提供面向网络安全的ai平行仿真攻防对抗训练平台,以解决现有技术中虚实映射无标准化流程以及攻防场景更新滞后,流程管控无指标化评估的问题。

2、为了实现上述目的,本发明提供如下技术方案:

3、面向网络安全的ai平行仿真攻防对抗训练平台,包括物理网络层、数据采集与预处理层、虚实映射层、平行仿真层、攻防演练与管控层和评估与优化层;

4、所述物理网络层包括用户现有物理网络设备、服务器、行业专用设备及业务系统,作为数据采集源;

5、所述数据采集与预处理层包括部署于物理网络边缘的硬件镜像接口以及标准网络协议查询接口,用于采集物理网络层中物理网络运行状态与设备参数的全维度数据,并对全维度数据进行清洗、脱敏及加密传输的预处理,得到数据流;

6、所述虚实映射层用于接收数据流,并按照拓扑、设备、状态三位一体的标准化虚实映射方法,自动生成与物理网络高保真对应的虚拟网络拓扑及虚拟设备模型,进行实时状态同步;

7、所述平行仿真层能够接收虚实映射层输出的同步处理后的参数状态,以参数状态作为初始环境配置输入,并基于同步处理后的参数状态构建物理隔离的平行仿真环境;

8、所述攻防演练与管控层部署于平行仿真环境上,能够基于国际通用框架,构建通用、行业、应急三级分类攻防场景库;再计算策略适用性评分,选取最高策略适用性评分对应的虚拟防火墙规则集、虚拟ids/ips检测签名或虚拟waf拦截规则为最优防御策略,并对演练全过程实时监控,输出全过程演练数据;

9、所述评估与优化层用于接收攻防演练过程中的全过程演练数据,基于工程实现、实战演练、成本运维、合规适配四大维度的量化指标,计算各维度归一化值并加权融合,计算演练综合评分,生成防御策略优化参数。

10、进一步的,所述虚实映射层包括虚拟网络拓扑构建模块、模型库模块和同步模块;

11、所述虚拟网络拓扑构建模块通过采集协议解析物理网络节点与链路属性,并将异构厂商的私有数据统一转换为标准的json数据结构;同时,基于虚拟资源映射算法将物理节点和链路精准映射为虚拟实例与配置,并通过计算拓扑相似度进行自动校验与迭代;

12、所述模型库模块能够结合物理网络层的设备硬件与协议栈参数,执行虚拟设备的标准化建模;

13、所述同步模块能够在虚拟设备实例化完成且接入虚拟网络拓扑后,进行定时周期同步和增量实时同步处理。

14、进一步的,所述拓扑相似度的判断规则如下:当且仅当拓扑相似度≥95%时,判定映射流程合格;若拓扑相似度<95%,将自动重新生成虚拟网络拓扑,直至精度达标的计算公式如下:

15、拓扑相似度=(虚拟匹配节点数+虚拟匹配链路数)÷(物理总节点数+物理总链路数)×100%

16、其中,虚拟匹配节点数为在已生成的虚拟网络拓扑中,节点类型、接口配置及层级归属与数据采集与预处理层输出数据中物理节点完全一致的节点总数;虚拟匹配链路数指在虚拟网络拓扑中,链路带宽、时延参数及连接关系与物理数据同步吻合的链路总数;物理总节点数和物理总链路数分别为采集层输出数据中记录的物理网络层全部节点与链路的总量。

17、进一步的,所述平行仿真环境包括引擎底子层、仿真内容子层、业务子层以及安全隔离子层;

18、其中,安全隔离子层用于在平行仿真环境的虚拟化平台边界部署双防火墙架构:第一层为虚拟化主机边界防火墙,用于在虚拟化平台宿主机内核网络栈层面拦截并过滤进出虚拟化平台的数据包;

19、第二层为基于虚拟网络控制器安全策略的虚拟网络边界防火墙,用于在虚拟交换机层面依据预设的访问控制规则对虚拟网络端口间的数据流进行策略匹配与过滤。

20、进一步的,所述攻防演练与管控层包括标准化攻防场景库模块、攻击脚本库模块、防御策略库模块及匹配模块;

21、所述攻防场景库模块基于mitre att&ck v14.0国际通用框架构建通用、行业、应急三级分类攻防场景库;

22、所述攻击脚本库模块中的每条攻击脚本均与攻防场景库模块中的标准化演练场景进行一一绑定;

23、所述防御策略库模块内置防火墙策略、ids/ips检测规则、waf防护规则、访问控制列表策略及漏洞修复补丁包全品类防御资源;

24、所述匹配模块用于在演练场景阶段,从防御策略库中检索与目标设备群组及攻击特征向量相匹配的防御策略模板,计算各模板的策略适用性评分,选取最优防御策略模板。

25、进一步的,所述匹配模块的具体内容如下:

26、1)特征向量构建:从虚实映射层同步的虚拟设备信息中,提取当前平行仿真环境中每个虚拟设备的多维度特征,构建设备特征向量;

27、2)k-means聚类归档:将所有虚拟设备的特征向量作为输入样本集,采用k-means聚类算法对设备进行无监督分类归档,随机选取k个初始聚类中心,迭代计算直至聚类中心收敛;

28、3)攻击特征提取与映射:解析当前加载的演练场景的攻击特征,包括攻击目标设备类型、攻击利用的协议端口、攻击载荷特征签名,识别攻击步骤所指向的目标设备及所属k-means聚类簇;

29、4)最优防御策略匹配:针对目标设备所属聚类簇,从防御策略库中检索匹配的防御策略模板,计算策略适用性评分,并按策略适用性评分排序,选取最高分策略实例化后通过配置下发接口加载至平行仿真环境中对应的虚拟防火墙规则集、虚拟ids/ips检测签名或虚拟waf拦截规则为最优防御策略。

30、进一步的,所述策略适用性评分的计算公式如下:

31、

32、其中,为历史拦截成功率;为策略适用设备型号与目标设备型号的匹配程度;完全匹配取1,同系列取0.7,不匹配取0;为性能开销归一化值;、和均为预设权重系数,。

33、进一步的,所述评估与优化层中计算演练综合评分=工程实现维度评分×0.30+实战演练维度评分×0.35+成本运维维度评分×0.20+合规适配维度评分×0.15,再乘以100%;

34、其中,0.30为预设的工程实现维度权重、0.35为预设的实战演练维度权重、0.20为预设的成本运维维度权重、0.15为预设的合规适配维度权重。

35、本发明具有如下优点:本发明通过虚拟网络拓扑构建模块基于预设的虚拟资源映射算法将物理网络层的节点属性列表与链路属性列表转换至虚拟化平台底层,并采用专属的拓扑相似度计算公式进行精度量化校验,确保拓扑相似度达到95%以上。同时,模型库模块调用内置的标准化设备模型库,集成多种设备型号和多种行业专用协议,将设备硬件参数、专属协议栈、运行性能曲线、核心业务逻辑及漏洞特征五大参数加载至虚拟网络拓扑中对应节点的虚拟设备实例中,并配合同步模块引入卡尔曼滤波算法进行高频同步降噪,使整体能够构建拓扑、设备、状态三位一体的标准化虚实映射流程,有效解决了传统方式中由于人工配置导致的数据偏差和工程隐患的问题。

36、同时,通过攻防演练与管控层中基于mitre att&ck v14.0国际通用框架构建的标准化攻防场景库,结合在流程管控方面,匹配模块利用k-means聚类算法对虚拟设备进行智能分类并自动匹配最优防御策略,有效替代了传统人工逐个选配的低效模式,同时解决了更新周期长的问题,便于开展对新威胁的提前防御演练。

37、另外,评估与优化层构建了工程实现、实战演练、成本运维、合规适配四大维度的评估指标体系,所有指标均由演练全过程实战数据统计计算得出,还融合卡尔曼滤波实现演练状态数据精准降噪、结合k-means聚类梳理高效果防御策略模板、利用余弦相似度计算新型攻击场景与历史演练场景的匹配度以精准推荐演练方案,最终将防御策略优化参数迭代反馈至攻防演练与管控层,形成了演练、评估、优化、再演练的持续闭环,使得演练成果能够以量化数据为依据有效迁移至实际生产环境。

38、本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书变得显而易见,或者通过实施本发明而了解。