[发明专利]网络攻击行为的预测方法、装置、设备及存储介质

权利要求书

1.一种网络攻击行为的预测方法，其特征在于，包括：

对于网络的每个节点，计算所述节点的敏感数据特征之间的关联度；

根据所述节点的敏感数据特征之间的关联度，建立所述节点的敏感数据特征之间的关联关系；

根据所述节点的敏感数据特征之间的关联关系，确定所述节点的安全感知序列，所述安全感知序列是表示所述节点的安全性的序列；

根据所述节点的安全感知序列，得到所述节点的安全态势序列；

根据所述网络的各个所述节点的安全态势序列，预测网络攻击行为；

所述根据所述节点的敏感数据特征之间的关联关系，确定所述节点的安全感知序列，包括：

将所述节点的每个敏感数据特征作为待处理特征，根据所述节点的敏感数据特征之间的关联关系，获取与所述待处理特征存在直接关联关系的敏感数据特征，作为直接相关联特征；

根据所述待处理特征与所述直接相关联特征之间的关联度、以及所述节点的流量异常特征与访问频繁特征之间的关联度，计算所述待处理特征与所述直接相关联特征之间的匹配度；

根据所述直接相关联特征的数量、以及所述待处理特征与各个所述直接相关联特征之间的匹配度，计算所述待处理特征的风险值，作为所述节点的安全感知序列中的子序列，所述待处理特征的风险值用于表示当所述节点上出现所述待处理特征时所述节点被攻击的概率。

2.根据权利要求1所述的方法，其特征在于，所述计算所述节点的敏感数据特征之间的关联度，包括：

计算所述节点的敏感数据特征之间的支持度和自信度，所述支持度表示两个敏感数据特征同时出现的概率，所述自信度表示在一个敏感数据特征出现的情况下，另一个敏感数据特征也出现的概率；

根据所述节点的敏感数据特征之间的支持度和自信度，计算所述节点的敏感数据特征之间的关联度。

3.根据权利要求2所述的方法，其特征在于，所述计算所述节点的敏感数据特征之间的支持度和自信度，包括：

根据所述节点的敏感数据中，同时出现敏感数据特征i和敏感数据特征j的数据量，以及所述节点的敏感数据总量，计算所述敏感数据特征i和所述敏感数据特征j之间的支持度Sij；

和/或，

根据所述节点的敏感数据中，同时出现敏感数据特征i和敏感数据特征j的数据量，以及出现敏感数据特征i但不出现敏感数据特征j的数据量，计算敏感数据特征i对于敏感数据特征j的自信度Cij，自信度Cij表示在敏感数据特征i出现的情况下，敏感数据特征j也出现的概率。

4.根据权利要求2所述的方法，其特征在于，所述根据所述节点的敏感数据特征之间的支持度和自信度，计算所述节点的敏感数据特征之间的关联度，包括：

根据所述节点的敏感数据特征i的预定权重、所述节点的敏感数据特征j的预定权值、所述敏感数据特征i和所述敏感数据特征j之间的支持度、以及所述敏感数据特征i和所述敏感数据特征j对于彼此的自信度，计算所述敏感数据特征i和所述敏感数据特征j之间的关联度。

5.根据权利要求1所述的方法，其特征在于，所述根据所述节点的敏感数据特征之间的关联关系，确定所述节点的安全感知序列，还包括：

将所述节点的每个敏感数据特征作为待处理特征，根据所述节点的敏感数据特征之间的关联关系，确定所述待处理特征在敏感数据中的重要程度；

根据所述待处理特征在敏感数据中的重要程度和所述待处理特征的预定权重，计算所述待处理特征对于预测网络攻击行为的价值，作为所述节点的安全感知序列中的子序列。

6.根据权利要求1所述的方法，其特征在于，所述根据所述节点的敏感数据特征之间的关联关系，确定所述节点的安全感知序列，还包括：

将所述节点的每个敏感数据特征作为待处理特征，根据所述节点的敏感数据特征之间的关联关系，确定所述待处理特征在敏感数据中的重要程度；

根据所述节点的敏感数据特征之间的关联关系，确定与所述待处理特征存在直接关联关系或者存在间接关联关系的敏感数据特征，作为直接或间接相关联特征；

根据所述待处理特征在敏感数据中的重要程度、以及所述直接或间接相关联特征的数量，计算所述待处理特征对所述网络的影响值，作为所述节点的安全感知序列中的子序列。