一种基于异构图的APT实时检测分析方法

技术特征：
1.一种基于异构图的apt实时检测分析方法，其特征在于，所述基于异构图的apt实时检测分析方法，包括：步骤1、获取操作系统中的日志数据；步骤2、提取日志数据中的五个元属性，根据五个元属性，基于预设的边生成规则将日志数据转化为异构图，所述异构图中的节点为日志条目；步骤3、利用图嵌入技术提取异构图中每个日志条目的上下文关系，形成一条日志序列，并把日志序列当成句子用word2vec方法将日志序列中的每个日志条目转换为低维向量表示；步骤4、基于异构图中所有节点的低维向量，采用图概要技术生成固定大小的草图；步骤5、将草图与预训练的检测模型进行比较，若草图适合检测模型下进化模型中的一个簇则该草图正常，即所获取的日志数据为无apt攻击场景下的日志数据；否则该草图异常，即所获取的日志数据为apt攻击场景下的日志数据；其中，所述检测模型的生成过程包括：定时取无apt攻击场景下的日志数据得到本次训练的草图，并将本次训练的草图与之前训练的草图按照创建时间顺序排列形成草图序列；使用聚类算法对草图序列进行聚类得到多个簇；基于每个簇中草图的创建时间顺序以及每个簇的统计数据生成本次训练的进化模型，聚集多次训练得到的进化模型作为检测模型。2.如权利要求1所述的基于异构图的apt实时检测分析方法，其特征在于，所述五个元属性为源对象、操作类型、目标对象、时间和主机。3.如权利要求1所述的基于异构图的apt实时检测分析方法，其特征在于，所述预设的边生成规则包括：规则1、将同一天且同一源对象的日志条目按时间顺序连接，形成每日日志条目的序列，该规则具有最高权重；规则2、将同一天且同一目标对象的日志条目按照时间顺序进行连接，形成每日日志条目的序列，该规则具有最高权重；规则3、将相似度高于阈值且相同源对象的每日日志条目的序列连接；规则4、将相似度高于阈值且相同目标对象的每日日志条目的序列连接。4.如权利要求3所述的基于异构图的apt实时检测分析方法，其特征在于，所述每日日志条目的序列之间的相似度与其所包含的日志条目的数量的相似性正相关。5.如权利要求3所述的基于异构图的apt实时检测分析方法，其特征在于，所述利用图嵌入技术提取异构图中每个日志条目的上下文关系，形成一条日志序列，包括：所述图嵌入技术为随机游走方法，所述随机游走方法中边类型和边权重的定义如下：所述边类型：将基于规则1和规则2生成的边的边类型划分为类型1，将基于规则3和规则4生成的边的边类型划分为类型2，生成两组边类型集合为{规则1，规则3}和{规则2，规则4}；所述边权重：每次执行随机游走，取两组边类型集合中的一组边类型集合，因此边权重函数表示为：
w(t，v)＝e-s(m，n)
式中，w(t，v)表示日志条目的序列t和日志条目的序列v在对应的边类型集合上的权重，序列t为基于边类型集合中边类型为类型1的规则连接生成的日志条目的序列，序列v为基于边类型集合中边类型为类型2的规则连接生成的日志条目的序列，m为序列t中所包含的日志条目的数量，n为序列v中所包含的日志条目的数量，s(m，n)为序列t和序列v的日志条目数量的相似度。6.如权利要求5所述的基于异构图的apt实时检测分析方法，其特征在于，所述随机游走方法中针对节点v处的转移概率计算如下：式中，p(t|v)表示节点v到节点t的转移概率，e为异构图中所有边的集合，n(v)为节点v的邻居节点，w
n(v)
为节点v和其所有邻居节点n(v)之间的边权重之和，w(t，v)＝w(t，v)，为节点v和节点t的边类型，s
n
为所有边类型的集合，r
w(t，v)
为基于边类型与节点v相连的节点的边权重在所有与节点v相连的节点的边权重中降序排列的排序值，neigh为预设的邻居节点的数量。

技术总结
本发明公开了一种基于异构图的APT实时检测分析方法，包括提取日志数据中的五个元属性，根据五个元属性基于预设的边生成规则将日志数据转化为异构图；利用图嵌入技术提取异构图中每个日志条目的上下文关系，形成一条日志序列，并将日志序列中的每个日志条目转换为低维向量表示；基于异构图中所有节点的低维向量，采用图概要技术生成固定大小的草图；将草图与预训练的检测模型进行比较，若草图适合检测模型下进化模型中的一个簇则该草图正常，即所获取的日志数据为无APT攻击场景下的日志数据；否则该草图异常，即所获取的日志数据为APT攻击场景下的日志数据。本发明实现了实现APT检测的高效性、精准性和实时性。精准性和实时性。精准性和实时性。


技术研发人员：朱添田 田野 陈铁明 吕明琪
受保护的技术使用者：浙江工业大学
技术研发日：2022.05.27
技术公布日：2022/8/12