[发明专利]基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统

说明书

本发明属于网络安全技术领域，特别涉及一种基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统，该方法包含：将攻防演化过程抽象为拟生灭过程QBD，引入学习程度和噪声因子刻画随机扰动下攻防参与者策略学习调整的动态演化轨迹，构建QBD攻防随机演化博弈模型；依据QBD攻防随机演化博弈模型建立拟生灭攻防对抗过程的平衡方程；对平衡方程进行求解，获取拟生灭攻防对抗过程的策略平衡概率分布；依据策略平衡概率分布，得到最具威胁的攻击策略。本发明更贴近于实际攻防对抗场景，考虑攻防演化过程中随机扰动影响，提出拟生灭攻防随机演化博弈模型，增强预测攻击行为能力，提升攻击预测准确性和模型有效性，对于网络安全技术发展都具有重要指导意义。

技术领域

本发明属于网络安全技术领域，特别涉及一种基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统。

背景技术

在网络安全领域中攻击者利用多种攻击手段对防御系统实施攻击获取更多有价值的信息资源，而防御者则针对攻击者的意图采取不同的防御手段对防御系统进行保护，防止信息资源被攻击者窃取。为了对信息系统进行有效防御，防御者需要事先对攻击行为进行准确预测以避免信息资源遭受巨大损失。网络攻防对抗过程中攻防双方所体现出的目标对立性、策略依存性和关系非合作性与博弈论的基本特征完美契合。因此，博弈论在网络安全领域的研究和应用已成为近年来各专家学者研究的重点和热点。

目前，有关博弈论在网络安全领域的研究成果均基于完全理性的假设，认为博弈的攻防参与者完全掌握对手的可选策略及收益结构，通过求解纳什均衡，得到最优响应策略。但是，上述成果并没有考虑现实攻防参与者有限理性的特点，即攻防参与者具备的安全知识、技能水平和获取的博弈信息有限，决策时并不总是推理正确，也不可能在任何情况下根据决策环境的变化做出最优反应，理想化的完全理性假设与实际网络攻防情况不符，实用效果偏差。随着演化博弈理论在网络安全领域的研究和应用，以基于有限理性的演化博弈思想分析攻击行为预测和防御策略选取，更符合网络攻防对抗场景。演化博弈考虑攻防参与者有限理性的特点，通过策略的不断学习调整，参与者逐渐掌握决策环境、对手信息及不同策略博弈产生的收益差等信息，最终动态演化到稳定均衡状态。目前的研究中，从信息安全中的攻防成本出发，建立了信息安全攻防对抗演化博弈模型，根据攻防群体复制动态的关系，得出信息安全攻防对抗的演化稳定策略；结合演化博弈和系统动力学建立攻防演化博弈模型，从系统边界、有效性和参数灵敏度方面对模型进行检验，证明了模型具有客观性、科学性和实用性；从攻防参与者有限理性的角度出发研究防御策略选取问题，并构建攻防演化博弈模型，利用复制动态学习机制提出了演化稳定策略的求解方法并对其进行分析；建立物联网的多阶段攻防演化博弈模型，对攻防策略的收益/成本进行量化，并利用复制动态学习机制确定最优防御策略。然而，上述研究均基于复制动态学习机制，这是一种确定性的、无变异的自然选择学习模型，总是确定选择期望收益比平均收益高的策略。而实际攻防对抗过程在攻击行为和意图不确定、决策环境变化等随机扰动的影响下，确定性的复制动态机制难以准确估计和预测攻防动态演化。

发明内容

为此，本发明提供一种基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统，更加贴近实际攻防对抗场景，增强预测攻击行为能力，提升攻击预测的准确性和有效性，具有很强的应用前景。

按照本发明所提供的设计方案，一种基于QBD攻防随机演化博弈模型的攻击预测方法，包含如下内容：

将攻防演化过程抽象为拟生灭过程QBD，引入学习程度和噪声因子刻画随机扰动下攻防参与者策略学习调整的动态演化轨迹，构建QBD攻防随机演化博弈模型；

依据QBD攻防随机演化博弈模型建立拟生灭攻防对抗过程的平衡方程；

对平衡方程进行求解，获取拟生灭攻防对抗过程的策略平衡概率分布；依据策略平衡概率分布，得到最具威胁的攻击策略。