[发明专利]一种面向社交网络的恶意代码传播预测方法及系统

权利要求书

1.一种面向社交网络的恶意代码传播预测方法，其特征在于，包括：

步骤1，利用多社交网络爬虫采集系统，获取真实社交网络数据信息，并基于统计学原理处理真实社交网络数据信息；

步骤2，提取经步骤1处理的真实网络数据信息的统计特征，并根据统计特征计算出对SS-Malware恶意代码的传播行为进行建模所需的相关特征值；

步骤3，将步骤2计算的相关特征值输入模拟仿真平台，模拟仿真平台再基于随机过程对SS-Malware恶意代码的传播行为进行建模，得到相应的传播模型；

步骤4，根据步骤3建立的传播模型的输出数据，分析和预测SS-Malware恶意代码的传播态势，并对传播态势进行可视化展示。

2.根据权利要求1所述的恶意代码传播预测方法，其特征在于，所述步骤1中的获取的真实社交网络数据信息包括社交网络用户活跃变化信息、节点出入度分布规律信息和消息处理时延信息。

3.根据权利要求1所述的恶意代码传播预测方法，其特征在于，所述步骤2中对SS-Malware恶意代码的传播行为进行建模所需的相关特征值包括两个节点在某时刻通信关系的程度、某节点对陷阱消息的免疫能力、社交网络节点出度分布、社交网络节点入度分布、平均路径长度和集聚系数。

4.根据权利要求1所述的恶意代码传播预测方法，其特征在于，所述步骤3中对SS-Malware恶意代码的传播行为进行建模包括：对社交网络多传播域与跨域节点进行建模、对节点间的信任关系进行建模和对用户处理陷阱消息的行为进行建模。

5.根据权利要求1所述的恶意代码传播预测方法，其特征在于，所述步骤3中的传播模型能对SS-Malware恶意代码的传播过程进行时间粒度可控的模拟仿真。

6.一种面向社交网络的恶意代码传播预测系统，其特征在于，包括爬虫模块、特征提取模块、传播模型模拟仿真模块和预测展示模块；

所述爬虫模块，其用于获取真实社交网络数据信息，并基于统计学原理处理真实社交网络数据信息；

所述特征提取模块，其用于提取所述爬虫模块处理的真实网络数据信息的统计特征，并根据统计特征计算出对SS-Malware恶意代码的传播行为进行建模所需的相关特征值；

所述传播模型模拟仿真模块，其用于根据所述特征提取模块提取的相关特征值，利用模拟仿真平台基于随机过程对SS-Malware恶意代码的传播行为进行建模，得到相应的传播模型；

所述预测展示模块，其用于根据传播模型的输出数据，分析和预测SS-Malware的传播态势，并进行可视化展示。

7.根据权利要求6所述的恶意代码传播预测系统，其特征在于，所述爬虫模块包括社交网络爬虫接口、数据解析存储子模块和数据管理与下发子模块；

所述社交网络爬虫接口，其用于针对不同的社交网络设计并实现不同的数据采集功能，并进行统一的数据处理；

所述数据解析存储子模块，其用于解析与提取真实社交网络数据信息，并在本地进行格式化存储；

所述数据管理与下发子模块，其用于管理长时间爬取的数据信息、合并冗余数据、去除无效数据和将有价值数据下发到特征提取模块。

8.根据权利要求6所述的恶意代码传播预测系统，其特征在于，所述特征提取模块和所述传播模型模拟仿真模块均各自与SS-Malware恶意代码数据库连接。

9.根据权利要求6所述的恶意代码传播预测系统，其特征在于，所述传播模型模拟仿真模块包括配置与管控子模块、网络环境模拟子模块、终端节点模拟子模块和模拟支撑子模块；

所述配置与管控子模块，其用于场景配置与模拟数据实时采集；

所述网络环境模拟子模块，其用于进行网络拓扑、网络路由、网络流量和网络协议的模拟；

所述终端节点模拟子模块，其用于进行智能终端、社交网络应用程序、SS-Malware程序和社交网络用户行为的模拟；

所述模拟支撑子模块，其用于构建抽象对象模拟模型库，并且支持可视化管控界面。