[发明专利]一种物联网设备蜜罐系统攻击分类方法、装置及设备

权利要求书

1.一种物联网设备蜜罐系统攻击分类方法，其特征在于，所述方法包括：

获取针对物联网设备蜜罐系统的攻击流对应的目标特征向量，将目标特征向量输入给初始分类器模型的K个一阶分类器，得到K个一阶分类器输出的K个分类结果；K个一阶分类器用于对K种攻击行为类型进行分类，每个一阶分类器与一种攻击行为类型对应；初始分类器模型还包括个n阶分类器和1个K-1阶分类器，n的取值范围为2至K-2，K为大于3的正整数；其中，每个n阶分类器与n种攻击行为类型对应，用于对n种攻击行为类型进行分类；K-1阶分类器与K种攻击行为类型对应，用于对K种攻击行为类型进行分类；

若所述K个分类结果对应M种攻击行为类型，M大于1且小于K，则从初始分类器模型的所有M阶分类器中选取目标分类器，所述目标分类器与所述M种攻击行为类型对应；将目标特征向量输入给目标分类器，得到目标分类器输出的分类结果，基于该分类结果确定目标特征向量对应的目标攻击行为类型；

基于所述目标攻击行为类型确定目标特征向量的标签值，基于目标特征向量和该标签值对初始分类器模型进行训练，并基于训练后的分类器模型确定目标分类器模型，该目标分类器模型用于确定待检测流对应的攻击行为类型。

2.根据权利要求1所述的方法，其特征在于，

所述将目标特征向量输入给初始分类器模型的K个一阶分类器，得到K个一阶分类器输出的K个分类结果之后，所述方法还包括：

若所述K个分类结果对应一种攻击行为类型，则将该攻击行为类型确定为所述目标特征向量对应的目标攻击行为类型。

3.根据权利要求1所述的方法，其特征在于，

所述将目标特征向量输入给初始分类器模型的K个一阶分类器，得到K个一阶分类器输出的K个分类结果之后，所述方法还包括：

若所述K个分类结果对应K种攻击行为类型，则将所述K-1阶分类器选取为目标分类器；将目标特征向量输入给目标分类器，得到所述目标分类器输出的分类结果，基于该分类结果确定目标特征向量对应的目标攻击行为类型。

4.根据权利要求1所述的方法，其特征在于，

所述获取针对物联网设备蜜罐系统的攻击流对应的目标特征向量，包括：

获取样本集合，所述样本集合包括针对物联网设备蜜罐系统的攻击流对应的特征向量，并从所述样本集合中遍历一个特征向量作为目标特征向量；

所述基于训练后的分类器模型确定目标分类器模型，包括：

确定训练后的分类器模型是否已收敛；

若否，则将所述训练后的分类器模型确定为初始分类器模型，从所述样本集合中遍历另一个特征向量作为目标特征向量，并返回执行将目标特征向量输入给初始分类器模型的K个一阶分类器的操作；

若是，则基于训练后的分类器模型确定目标分类器模型。

5.根据权利要求1或4所述的方法，其特征在于，

所述基于训练后的分类器模型确定目标分类器模型，包括：

将所述训练后的分类器模型确定为所述目标分类器模型；或者，

从所述训练后的分类器模型中选取K-1阶分类器，基于所述K-1阶分类器确定目标分类器模型，所述目标分类器模型至少包括所述K-1阶分类器。

6.根据权利要求1或4所述的方法，其特征在于，

所述获取针对物联网设备蜜罐系统的攻击流对应的目标特征向量，包括：

获取针对物联网设备蜜罐系统的攻击流，并从所述攻击流中提取数据信息，所述数据信息至少包括所述攻击流的包头信息和/或载荷信息；

将所述数据信息输入给已训练的自编码器模型，得到所述自编码器模型输出的与所述攻击流对应的目标特征向量；

其中，所述自编码器模型包括基于长短时记忆网络构建的自编码器模型。