CN112351031A - 攻击行为画像的生成方法、装置、电子设备和存储介质 - Google Patents
攻击行为画像的生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112351031A CN112351031A CN202011224631.3A CN202011224631A CN112351031A CN 112351031 A CN112351031 A CN 112351031A CN 202011224631 A CN202011224631 A CN 202011224631A CN 112351031 A CN112351031 A CN 112351031A
- Authority
- CN
- China
- Prior art keywords
- attack
- generating
- attribute
- behavior
- log
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer And Data Communications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开提供了一种攻击行为画像的生成方法、装置、电子设备和计算机可读存储介质,涉及网络安全技术领域。其中,攻击行为画像的生成方法包括:收集接入设备的日志;提取所述日志中的特征;基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;基于所述特征的攻击属性生成所述攻击行为画像。通过本公开的技术方案,能够体现攻击属性之间的关联性,以提升攻击行为画像的描述精度,从而能够提升对相应的异常网络攻击防御的可靠性。
Description
技术领域
本公开涉及网络安全技术领域,尤其涉及一种攻击行为画像的生成方法、装置、电子设备和计算机可读存储介质。
背景技术
由于电子设备的操作系统和/或通信网络等均存在被异常攻击源攻击的问题,通过机器学习算法训练检测模型,以实现对异常攻击源的实时检测。
相关技术中,检测模型的训练采用离线式机器学习的方式完成,因此无法满足对异常攻击源实时检测的需求。
另外,现有检测模型基于高抽象模型生成,由于高抽象模型无法确定攻击路线,因此生成的攻击行为画像精度较低,导致影响对异常攻击源的检测效果。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种攻击行为画像的生成方法、装置、电子设备和计算机可读存储介质,至少在一定程度上克服由于相关技术中由于无法确定攻击路线导致画像描述精度低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种攻击行为画像的生成方法,包括:收集接入设备的日志;提取所述日志中的特征;基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;基于所述特征的攻击属性生成所述攻击行为画像。
在本公开的一个实施例中,所述方法还包括:基于所述特征确定受到攻击的攻击目标;所述基于所述特征的攻击属性生成所述攻击行为画像包括:基于所述攻击目标与所述特征的攻击属性生成所述攻击行为画像。
在本公开的一个实施例中,所述预设匹配关系包括特征与攻击方式之间的映射关系,所述攻击方式与所述攻击策略之间的实现关系,所述攻击方式与所述攻击工具之间的接口关系,以及所述攻击方式与所述攻击源之间的使用关系;所述基于预设匹配关系确定与所述特征匹配的攻击属性包括:基于特征与攻击方式之间的映射关系确定所述特征对应的攻击方式;基于所述预设的匹配关系确定与所述特征的攻击方式对应的攻击策略、所述攻击源与所述攻击工具。
在本公开的一个实施例中,在接收接入设备的日志之前,所述生成方法还包括:设定所述攻击方式与所述攻击策略、所述攻击源以及所述攻击工具之间的所述匹配关系。
在本公开的一个实施例中,所述提取所述日志中的特征包括:对所述日志进行归一化处理,得到归一化日志,其中,所述归一化日志包括通用日志、业务系统日志与流量分析日志中的至少一种;基于预设的所述攻击属性的正则表达式,从所述归一化查日志中提取所述特征。
在本公开的一个实施例中,所述生成方法还包括:根据所述攻击行为画像生成对应的预警信息;以及确定引入所述特征的设备接口,根据所述设备接口的标识对所述攻击源执行阻断操作。
在本公开的一个实施例中,所述接入设备包括端点检测与响应设备、软件定义网络设备、软件定义边界设备、可信设备与其它接入设备中的至少一种。
根据本公开的另一个方面,提供一种攻击行为画像的生成装置,包括:收集模块,用于收集接入设备的日志;提取模块,用于提取所述日志中的特征;确定模块,用于基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;生成模块,用于基于所述特征的攻击属性生成所述攻击行为画像。
根据本公开的再一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的攻击行为画像的生成方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意一项的攻击行为画像的生成方法。
本公开的实施例所提供的攻击行为画像的生成方案,通过在检测到有设备接入后,通过收集接入设备的日志,提取能够生成攻击行为画像的特征信息,以确定与特征匹配的攻击属性,并基于攻击属性生成攻击行为画像。
攻击属性包括攻击策略、攻击方式、攻击源与攻击工具,通过基于攻击策略、攻击方式、攻击源与攻击生成攻击行为画像,一方面,能够基于攻击行为画像提升对异常网络攻击的检测效率,另一方面,该攻击行为画像能够体现攻击属性之间的关联性,以提升攻击行为画像的描述精度,从而能够提升对相应的异常网络攻击防御的可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种攻击行为画像的生成系统结构的示意图;
图2示出本公开实施例中一种攻击行为画像的生成方法的流程图;
图3示出本公开实施例中另一种攻击行为画像的生成方法的流程图;
图4示出本公开实施例中一种检测模型的生成方法的流程图;
图5示出本公开实施例中再一种攻击行为画像的生成方法的流程图;
图6示出本公开实施例中一种攻击行为画像的生成方案的模块示意图;
图7示出本公开实施例中一种攻击行为画像的生成装置的示意图;
图8示出本公开实施例中一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本申请提供的方案,通过基于攻击策略、攻击方式、攻击源与攻击生成攻击行为画像,一方面,能够基于攻击行为画像提升对异常网络攻击的检测效率,另一方面,该攻击行为画像能够体现攻击属性之间的关联性,以提升攻击行为画像的描述精度,从而能够提升对相应的异常网络攻击防御的可靠性。
为了便于理解,下面首先对本申请涉及到的几个名词进行解释。
过程知识系统PKS(Process Knowledge System)系统是一个将整个工厂的商业信息系统与生产过程控制系统统一在一个平台上的自动化系统,它继承了传统DCS的优点,同时又融合新的技术突破,是一套比TPS及PlantScape系统更趋完善的控制系统。
端点检测与响应(Endpoint Detection&Response,EDR)是一种主动的安全方法,可以实时监控端点,并搜索渗透到公司防御系统中的威胁。这是一种新兴的技术,可以更好地了解端点上发生的事情,提供关于攻击的上下文和详细信息。
软件定义网络(Software Defined Network,SDN),用于实现了网络流量的灵活控制,使网络作为管道变得更加智能,为核心网络及应用的创新提供了良好的平台。
软件定义边界(soft-Defined-Perimeter,SDP),是由云安全联盟(CSA)开发的一种安全框架,它根据身份控制对资源的访问。该框架基于美国国防部的“need to know”模型,即每个终端在连接服务器前必须进行验证,确保每台设备都是被允许接入。其核心思想是通过SDP架构隐藏核心网络资产与设施,使之不直接暴露在互联网下,使得网络资产与设施免受外来安全威胁。
本申请实施例提供的方案涉及网络安全管理等技术,具体通过如下实施例进行说明。
图1示出本公开实施例中一种攻击行为画像的生成系统的结构示意图,包括多个终端120和服务器集群140。
终端120可以是手机、游戏主机、平板电脑、电子书阅读器、智能眼镜、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、智能家居设备、AR(Augmented Reality,增强现实)设备、VR(Virtual Reality,虚拟现实)设备等移动终端,或者,终端120也可以是个人计算机(Personal Computer,PC),比如膝上型便携计算机和台式计算机等等。
其中,终端120中可以安装有用于提供攻击行为画像的生成的应用程序。
终端120与服务器集群140之间通过通信网络相连。可选的,通信网络是有线网络或无线网络。
服务器集群140是一台服务器,或者由若干台服务器组成,或者是一个虚拟化平台,或者是一个云计算服务中心。服务器集群140用于为提供攻击行为画像的生成的应用程序提供后台服务。可选地,服务器集群140承担主要计算工作,终端120承担次要计算工作;或者,服务器集群140承担次要计算工作,终端120承担主要计算工作;或者,终端120和服务器集群140之间采用分布式计算架构进行协同计算。
在一些可选的实施例中,服务器集群140用于存储攻击行为画像的生成信息,譬如,待检测的图像、参考图像库和完成检测的图像。
可选地,不同的终端120中安装的应用程序的客户端是相同的,或两个终端120上安装的应用程序的客户端是不同控制系统平台的同一类型应用程序的客户端。基于终端平台的不同,该应用程序的客户端的具体形态也可以不同,比如,该应用程序客户端可以是手机客户端、PC客户端或者全球广域网(World Wide Web,Web)客户端等。
本领域技术人员可以知晓,上述终端120的数量可以更多或更少。比如上述终端可以仅为一个,或者上述终端为几十个或几百个,或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。
可选的,该系统还可以包括管理设备(图1未示出),该管理设备与服务器集群140之间通过通信网络相连。可选的,通信网络是有线网络或无线网络。
可选的,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(ExtensibleMarkupLanguage,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual Private Network,VPN)、网际协议安全(InternetProtocolSecurity,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
下面,将结合附图及实施例对本示例实施方式中的攻击行为画像的生成方法的各个步骤进行更详细的说明。
图2示出本公开实施例中一种攻击行为画像的生成方法流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行,例如如图1中的终端120和/或服务器集群140。在下面的举例说明中,以终端120为执行主体进行示例说明。
如图2所示,终端120执行攻击行为画像的生成方法,包括以下步骤:
步骤S202,收集接入设备的日志。
其中,收集接入设备的日志具体包括:响应于设备的接入操作,基于系统记录和/或埋点采集的方式收集接入设备的日志。
步骤S204,提取日志中的特征。
其中,特征包括但不限于源IP、目的IP和端口、协议类型、设备类型、攻击方式、攻击目标的资产属性向量(包含资产ID、资产IP、资产端口、软件名称等。
步骤S206,基于预设匹配关系确定与特征匹配的攻击属性,攻击属性包括攻击策略、攻击方式、攻击源与攻击工具。
其中,通过采用攻击策略、攻击方式、攻击源与攻击工具构建匹配关系,由于攻击方式能够分别与攻击策略、攻击源以及攻击工具建立匹配关系,因此得到的攻击行为画像能够体现攻击属性之间的关联性。
步骤S208,基于特征的攻击属性生成攻击行为画像。
其中,攻击行为的画像,需要描述攻击组织,采用具体策略和方式,使用具体的软件工具,对攻击目标进行攻击等。
在该实施例中,通过在检测到有设备接入后,通过收集接入设备的日志,提取能够生成攻击行为画像的特征信息,以确定与特征匹配的攻击属性,并基于攻击属性生成攻击行为画像。
攻击属性包括攻击策略、攻击方式、攻击源与攻击工具,通过基于攻击策略、攻击方式、攻击源与攻击生成攻击行为画像,一方面,能够基于攻击行为画像提升对异常网络攻击的检测效率,另一方面,该攻击行为画像能够体现攻击属性之间的关联性,以提升攻击行为画像的描述精度,从而能够提升对相应的异常网络攻击防御的可靠性。
在本公开的一个实施例中,攻击行为画像的生成方法还包括:基于特征确定受到攻击的攻击目标。
具体地,步骤S208,基于特征的攻击属性生成攻击行为画像的一种具体实施方式,包括:基于攻击目标与特征的攻击属性生成攻击行为画像。
在该实施例中,由于攻击行为画像的核心属性除了攻击源之外,还包括攻击目标,因此通过结合攻击目标与特征的攻击属性来描述攻击行为画像,并及时对攻击目标进行防御,能够进一步提升网络攻击预防操作的可靠性。
在本公开的一个实施例中,预设匹配关系包括特征与攻击方式之间的映射关系,攻击方式与攻击策略之间的实现关系,攻击方式与攻击工具之间的接口关系,以及攻击方式与攻击源之间的使用关系。
具体地,攻击策略包括但不限于初始访问、执行、持久化、特权提升、防御绕过、凭据访问、披露、横向移动、收集、数据渗漏、命令与控制和影响等12种策略。攻击方式可以按照运行的系统进行划分,并实现与上述攻击策略之间的对应关系,基于该画像实体的生成方式,在有助于提升画像的生成效率的同时,生成的画像实体包括丰富的估计行为的特征,从而有助于基于特征确定对应的攻击防御策略。
进一步地,如图3所示,步骤S206,基于预设匹配关系确定与特征匹配的攻击属性的一种具体实施方式包括:
步骤S302,基于特征与攻击方式之间的映射关系确定特征对应的攻击方式。
步骤S304,基于预设的匹配关系确定与特征的攻击方式对应的攻击策略、攻击源与攻击工具。
在该实施例中,基于日志中特征的提取能够得到当前的攻击行为中的攻击方式的描述信息,基于特征与攻击方式之间的映射关系,得到攻击方式,进一步,基于上述攻击方式与攻击策略、攻击源以及攻击工具之间的映射关系,得到4个具体的攻击属性,通过4个具体的攻击属性,能够描述出攻击组织,采用具体策略和方式,使用具体的软件工具的具体攻击行为,以保证画像描述的可靠性。
具体地,上述的匹配关系与对应的攻击方式与攻击策略、攻击源以及攻击工具的匹配信息,可以以检测模型的方式体现,将检测模型存储在指定数据库内,以在接入设备时,基于上述的匹配关系,将设备日志中的提取到的特征字段与攻击属性的具体信息建立对应关系,以执行攻击行为画像的生成步骤。
在本公开的一个实施例中,在接收接入设备的日志之前,生成方法还包括:设定攻击方式与攻击策略、攻击源以及攻击工具之间的匹配关系。
在该实施例中,通过设定攻击方式与攻击策略、攻击源以及攻击工具之间的匹配关系,并以网络攻击模型的形式体现。
其中,网络攻击模型包括高抽象模型、中抽象模型与低抽象模型,低抽象模型包括漏洞数据集与恶意软件数据集等。
在相关技术中,可以采用高抽象模型构建检测模型,将攻击行为拆解为:Reconnaissance(侦查)→Weaponization(武器化)→Delivery(传输)→Exploitation(挖掘)→Installation(植入)→Command&Control(命令和控制)→Actions on Objectives(操作目标)。该模型用于理解高纬度理解网络攻击,但无法形成有效的攻击路线,无法说明每一次攻击行为之间的联系。
在本公开中,采用包括攻击策略、攻击方式、攻击源与攻击工具的中抽象模型作为网络攻击模型,其中,攻击策略用于反映网络攻击的基本策略,攻击方式用于表示完成任一攻击策略所采用的技术,攻击源包括进行网络攻击的网络黑客的信息,攻击工具为攻击源所采用的技术与软件等。
该中抽象模型与相关技术中的高抽象模型相比,通过以攻击策略为线索将不同攻击策略所对应的攻击技术和软件相联系,能够每次攻击行为之间的联系,连续的攻击行为背后的攻击目标,每次攻击行为如何与数据源、防御、配置和其他被用在一个平台/技术域之间的措施相联系。
具体地,如上所示,从日志中能够提起攻击方式作为一个特征,将该攻击方式与攻击属性中的攻击方式建立匹配关系,并将攻击方式分别与攻击策略、攻击工具以及攻击源建立匹配关系,得到用于生成攻击行为画像的网络攻击模型。
具体地,如图4所示,检测模型的生成步骤,包括:
步骤S402,建立特征与网络攻击模型中的攻击属性、以及攻击属性之间的匹配关系。
步骤S404,生成匹配关系文件。
步骤S406,根据匹配关系文件,生成检测模型。
步骤S408,将检测模型存储在数据库中。
其中,数据库可以为Redis(Remote Dictionary Server),即远程字典服务,是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库。
通过生成检测模型,在接入设备时,通过收集设备的日志,并采用检测模型进行检测,以确定攻击行为。
在本公开的一个实施例中,步骤S204,提取日志中的特征包括:对日志进行归一化处理,得到归一化日志,其中,归一化日志包括通用日志、业务系统日志与流量分析日志中的至少一种。
其中,通过建立归一化模型,将多种异构日志进行统一,同时将日志中没有提供的数据,比如资产、用户环境下的单位情况信息、地理位置信息等进行补全操作。
基于预设的攻击属性的正则表达式,从归一化查日志中提取特征。
将归一化日志加载至检测模型,以在检测到接入设备的攻击行为时,根据归一化日志生成攻击行为画像。
在该实施例中,通过将接入设备的日志进行归一化处理,实现不同设备上报的日志格式的规范化处理,以采用检测模型对归一化日志执行检测操作,以在检测到攻击行为时,生成攻击行为画像,以保证攻击行为检测操作的可靠性。
在本公开的一个实施例中,生成方法还包括:根据攻击行为画像生成对应的预警信息;以及确定引入特征的设备接口,根据设备接口的标识对攻击源执行阻断操作。
在该实施例中,当遵循中抽象的网络攻击模型框架,确认攻击源时,通过与接入设备的约定接口,对攻击源进行阻断操作,以提升接入设备接入的安全性。
在本公开的一个实施例中,接入设备包括端点检测与响应设备、软件定义网络设备、软件定义边界设备、可信设备与其它接入设备中的至少一种。
其中,上述的端点检测与响应设备、软件定义网络设备、软件定义边界设备、可信设备与其它接入设备中的至少一种,均为过程知识系统PKS中的设备。以基于设备的接入操作手机设备的日志。
下面结合图5与图6,对本公开的攻击行为画像的生成方案进行进一步具体描述。
图5示出了一种具体的攻击行为画像的生成方法,包括:
步骤S502,采用flink的union+timer方式接收三类归一化日志。
步骤S504,以攻击方式为参数,与检测模型进行匹配。
步骤S506,判断是否符合网络攻击模型的策略和工具,若判断结果为是,进入步骤S508,若判断结果为否,返回步骤S502。
步骤S508,建立画像实体。
步骤S510,根据攻击源与攻击目标更新画像实体,以生成攻击行为画像。
其中,flink可以理解为一种大数据实时处理引擎,用于进行日志的实时采集、实时计算与实时下发等操作。
在该实施例中,在基于中抽象的网络攻击模型检测攻击的过程中,按照图5的流程,逐步更新攻击行为画像,以通过攻击行为画像挖掘攻击行为之间的关系,进一步达到提高网络攻击预防效率的目的
具体地,如图6所示,通过对接入过程知识系统PKS体系下接入设备602,包括EDR、SDN、SDP、可信、以及其它通用安全和接入设备等,采用日志收集和归一化处理模块604进行日志收集和归一化处理,通过攻击检测模块616进行实时的攻击检测,逐条检测模型进行验证,通过攻击行为画像生成模块618生成攻击行为画像,同时,通过离线定义和模型修正模块606与检测模型生成模块608对检测模型进行离线维护,不断修正检测模型。
其中,kafka612用于不同模块间消息传输,druid610用于日志的持久化,攻击检测结果和攻击行为画像的存储,redis614用于存储检测模型。
需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的攻击行为画像的生成装置700。图7所示的攻击行为画像的生成装置700仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
攻击行为画像的生成装置700以硬件模块的形式表现。攻击行为画像的生成装置700的组件可以包括但不限于:收集模块702,用于收集接入设备的日志;提取模块704,用于提取所述日志中的特征;确定模块706,用于基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;生成模块708,用于基于所述特征的攻击属性生成所述攻击行为画像。
下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
其中,存储单元存储有程序代码,程序代码可以被处理单元810执行,使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元810可以执行如图1中所示的步骤S202、S204、S206和S208,以及本公开的攻击行为画像的生成方法中限定的其他步骤。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者接入设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者接入设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种攻击行为画像的生成方法,其特征在于,包括:
收集接入设备的日志;
提取所述日志中的特征;
基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;
基于所述特征的攻击属性生成所述攻击行为画像。
2.根据权利要求1所述的攻击行为画像的生成方法,其特征在于,所述方法还包括:
基于所述特征确定受到攻击的攻击目标;
所述基于所述特征的攻击属性生成所述攻击行为画像包括:
基于所述攻击目标与所述特征的攻击属性生成所述攻击行为画像。
3.根据权利要求1所述的攻击行为画像的生成方法,其特征在于,所述预设匹配关系包括特征与攻击方式之间的映射关系,所述攻击方式与所述攻击策略之间的实现关系,所述攻击方式与所述攻击工具之间的接口关系,以及所述攻击方式与所述攻击源之间的使用关系;
所述基于预设匹配关系确定与所述特征匹配的攻击属性包括:
基于特征与攻击方式之间的映射关系确定所述特征对应的攻击方式;
基于所述预设的匹配关系确定与所述特征的攻击方式对应的攻击策略、所述攻击源与所述攻击工具。
4.根据权利要求3所述的攻击行为画像的生成方法,其特征在于,在接收接入设备的日志之前,所述生成方法还包括:
设定所述攻击方式与所述攻击策略、所述攻击源以及所述攻击工具之间的所述匹配关系。
5.根据权利要求1所述的攻击行为画像的生成方法,其特征在于,所述提取所述日志中的特征包括:
对所述日志进行归一化处理,得到归一化日志,其中,所述归一化日志包括通用日志、业务系统日志与流量分析日志中的至少一种;
基于预设的所述攻击属性的正则表达式,从所述归一化查日志中提取所述特征。
6.根据权利要求1所述的攻击行为画像的生成方法,其特征在于,所述生成方法还包括:
根据所述攻击行为画像生成对应的预警信息;以及
确定引入所述特征的设备接口,根据所述设备接口的标识对所述攻击源执行阻断操作。
7.根据权利要求1至6中任一项所述的攻击行为画像的生成方法,其特征在于,所述接入设备包括端点检测与响应设备、软件定义网络设备、软件定义边界设备、可信设备与其它接入设备中的至少一种。
8.一种攻击行为画像的生成装置,其特征在于,包括:
收集模块,用于收集接入设备的日志;
提取模块,用于提取所述日志中的特征;
确定模块,用于基于预设匹配关系确定与所述特征匹配的攻击属性,所述攻击属性包括攻击策略、攻击方式、攻击源与攻击工具;
生成模块,用于基于所述特征的攻击属性生成所述攻击行为画像。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7中任意一项所述的攻击行为画像的生成方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任意一项所述的攻击行为画像的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224631.3A CN112351031B (zh) | 2020-11-05 | 2020-11-05 | 攻击行为画像的生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011224631.3A CN112351031B (zh) | 2020-11-05 | 2020-11-05 | 攻击行为画像的生成方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112351031A true CN112351031A (zh) | 2021-02-09 |
CN112351031B CN112351031B (zh) | 2023-05-05 |
Family
ID=74430061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011224631.3A Active CN112351031B (zh) | 2020-11-05 | 2020-11-05 | 攻击行为画像的生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112351031B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113422787A (zh) * | 2021-08-24 | 2021-09-21 | 广州乐盈信息科技股份有限公司 | 一种用于无源光网络系统的智能防攻击方法 |
CN113660225A (zh) * | 2021-07-29 | 2021-11-16 | 广州大学 | 基于时序点的网络攻击事件预测方法、系统、装置及介质 |
CN113992435A (zh) * | 2021-12-27 | 2022-01-28 | 北京微步在线科技有限公司 | 一种攻击检测溯源方法、装置及系统 |
CN114172701A (zh) * | 2021-11-25 | 2022-03-11 | 北京天融信网络安全技术有限公司 | 基于知识图谱的apt攻击检测方法及装置 |
CN114186232A (zh) * | 2021-12-13 | 2022-03-15 | 南方电网科学研究院有限责任公司 | 一种网络攻击团队识别方法、装置、电子设备及存储介质 |
CN114257415A (zh) * | 2021-11-25 | 2022-03-29 | 中国建设银行股份有限公司 | 网络攻击的防御方法、装置、计算机设备和存储介质 |
CN116346502A (zh) * | 2023-05-24 | 2023-06-27 | 中国电子科技集团公司第十五研究所 | 基于标签规则的网络攻击组织画像方法及系统 |
CN114257415B (zh) * | 2021-11-25 | 2024-04-30 | 中国建设银行股份有限公司 | 网络攻击的防御方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004318742A (ja) * | 2003-04-21 | 2004-11-11 | Hitachi Ltd | 分散型サービス不能攻撃を防ぐネットワークシステム |
US20080240574A1 (en) * | 2007-03-30 | 2008-10-02 | Electronics And Telecommunications Research Institute | System and method for identifying image based on singular value decomposition and feature point |
CN108881294A (zh) * | 2018-07-23 | 2018-11-23 | 杭州安恒信息技术股份有限公司 | 基于网络攻击行为的攻击源ip画像生成方法以及装置 |
CN111030974A (zh) * | 2019-03-29 | 2020-04-17 | 北京安天网络安全技术有限公司 | 一种apt攻击事件检测方法、装置及存储介质 |
CN111147504A (zh) * | 2019-12-26 | 2020-05-12 | 深信服科技股份有限公司 | 威胁检测方法、装置、设备和存储介质 |
CN111277598A (zh) * | 2020-01-21 | 2020-06-12 | 北京天琴合创技术有限公司 | 一种基于流量的应用攻击识别方法及系统 |
-
2020
- 2020-11-05 CN CN202011224631.3A patent/CN112351031B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004318742A (ja) * | 2003-04-21 | 2004-11-11 | Hitachi Ltd | 分散型サービス不能攻撃を防ぐネットワークシステム |
US20080240574A1 (en) * | 2007-03-30 | 2008-10-02 | Electronics And Telecommunications Research Institute | System and method for identifying image based on singular value decomposition and feature point |
CN108881294A (zh) * | 2018-07-23 | 2018-11-23 | 杭州安恒信息技术股份有限公司 | 基于网络攻击行为的攻击源ip画像生成方法以及装置 |
CN111030974A (zh) * | 2019-03-29 | 2020-04-17 | 北京安天网络安全技术有限公司 | 一种apt攻击事件检测方法、装置及存储介质 |
CN111147504A (zh) * | 2019-12-26 | 2020-05-12 | 深信服科技股份有限公司 | 威胁检测方法、装置、设备和存储介质 |
CN111277598A (zh) * | 2020-01-21 | 2020-06-12 | 北京天琴合创技术有限公司 | 一种基于流量的应用攻击识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
杨沛安、刘宝旭、杜翔宇: "面向攻击识别的威胁情报画像分析", 《计算机工程》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113660225A (zh) * | 2021-07-29 | 2021-11-16 | 广州大学 | 基于时序点的网络攻击事件预测方法、系统、装置及介质 |
CN113422787A (zh) * | 2021-08-24 | 2021-09-21 | 广州乐盈信息科技股份有限公司 | 一种用于无源光网络系统的智能防攻击方法 |
CN113422787B (zh) * | 2021-08-24 | 2021-11-09 | 广州乐盈信息科技股份有限公司 | 一种用于无源光网络系统的智能防攻击方法 |
CN114172701A (zh) * | 2021-11-25 | 2022-03-11 | 北京天融信网络安全技术有限公司 | 基于知识图谱的apt攻击检测方法及装置 |
CN114257415A (zh) * | 2021-11-25 | 2022-03-29 | 中国建设银行股份有限公司 | 网络攻击的防御方法、装置、计算机设备和存储介质 |
CN114172701B (zh) * | 2021-11-25 | 2024-02-02 | 北京天融信网络安全技术有限公司 | 基于知识图谱的apt攻击检测方法及装置 |
CN114257415B (zh) * | 2021-11-25 | 2024-04-30 | 中国建设银行股份有限公司 | 网络攻击的防御方法、装置、计算机设备和存储介质 |
CN114186232A (zh) * | 2021-12-13 | 2022-03-15 | 南方电网科学研究院有限责任公司 | 一种网络攻击团队识别方法、装置、电子设备及存储介质 |
CN113992435A (zh) * | 2021-12-27 | 2022-01-28 | 北京微步在线科技有限公司 | 一种攻击检测溯源方法、装置及系统 |
CN116346502A (zh) * | 2023-05-24 | 2023-06-27 | 中国电子科技集团公司第十五研究所 | 基于标签规则的网络攻击组织画像方法及系统 |
CN116346502B (zh) * | 2023-05-24 | 2024-03-01 | 中国电子科技集团公司第十五研究所 | 基于标签规则的网络攻击组织画像方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112351031B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112351031B (zh) | 攻击行为画像的生成方法、装置、电子设备和存储介质 | |
US20220210200A1 (en) | Ai-driven defensive cybersecurity strategy analysis and recommendation system | |
US20220060511A1 (en) | Ai-driven defensive cybersecurity strategy analysis and recommendation system | |
US20220014556A1 (en) | Cybersecurity profiling and rating using active and passive external reconnaissance | |
US20220078210A1 (en) | System and method for collaborative cybersecurity defensive strategy analysis utilizing virtual network spaces | |
CN107659543B (zh) | 面向云平台apt攻击的防护方法 | |
US20190149564A1 (en) | Systems and methods for secure propogation of statistical models within threat intelligence communities | |
US20220201042A1 (en) | Ai-driven defensive penetration test analysis and recommendation system | |
WO2017071148A1 (zh) | 基于云计算平台的智能防御系统 | |
US20230362200A1 (en) | Dynamic cybersecurity scoring and operational risk reduction assessment | |
Lin et al. | Internet of things intrusion detection model and algorithm based on cloud computing and multi-feature extraction extreme learning machine | |
WO2021216163A2 (en) | Ai-driven defensive cybersecurity strategy analysis and recommendation system | |
CN111464528A (zh) | 网络安全防护方法、系统、计算设备和存储介质 | |
US20230362142A1 (en) | Network action classification and analysis using widely distributed and selectively attributed sensor nodes and cloud-based processing | |
JP2023550974A (ja) | イメージ基盤悪性コード検知方法および装置とこれを利用する人工知能基盤エンドポイント脅威検知および対応システム | |
CN111316272A (zh) | 使用行为和深度分析的先进网络安全威胁减缓 | |
CN115314257B (zh) | 文件系统的鉴权方法、装置、电子设备及计算机存储介质 | |
EP4102772A1 (en) | Method and apparatus of processing security information, device and storage medium | |
CN116028917A (zh) | 权限检测方法及装置、存储介质及电子设备 | |
CN113364766B (zh) | 一种apt攻击的检测方法及装置 | |
CN111316268A (zh) | 用于银行间金融交易的高级网络安全威胁抑制 | |
CN114567678A (zh) | 一种云安全服务的资源调用方法、装置及电子设备 | |
CN114765634B (zh) | 网络协议识别方法、装置、电子设备及可读存储介质 | |
CN114338411B (zh) | 一种武器系统网空模型创建方法、装置、设备及介质 | |
KR102541888B1 (ko) | 이미지 기반 악성코드 탐지 방법 및 장치와 이를 이용하는 인공지능 기반 엔드포인트 위협탐지 및 대응 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |