[发明专利]一种网络安全应急处置剧本自适应编排方法

说明书

本发明公开了一种网络安全应急处置剧本自适应编排方法，包括步骤：将原知识图谱中的所有事实元组以及发生冲突新产生出的事实元组输入到Kgedl模型中；Kgedl模型从原知识图谱中学习路径嵌入；通过循环神经网络结合路径嵌入获得语义嵌入；在循环神经网络中消除冲突事实，并动态更新知识图谱中的事实元组；根据新的知识图谱进行SOAR剧本的构造，本方案在实现复杂剧本在执行时报错的情况下，可进行简单自动修改剧本，使剧本可继续运行。

技术领域

本发明涉及网络安全知识图谱领域，特别涉及一种网络安全应急处置剧本自适应编排方法。

背景技术

近年来，伴随着互联网的高速发展，网络威胁问题愈发严重和频繁。面对着以攻击速度快、潜伏时间长、攻击面积广等特点所著称的全新的网络威胁，传统的网络安全应急方法起到的作用微乎其微。这是因为即使是普通的事件响应，都会波及到多个系统，多个系统将涉及到多个团队人员，这需要十分高昂的人力成本，且这样的响应仅一天便可高达数万次，在传统方法中，这需要消耗大量人力进行重复操作，使得响应效率十分低下。针对传统方法暴露出的种种问题，SOAR(安全编排自动化与响应)应运而生。

SOAR相较于传统方法具有响应速度快，人力成本低等优点，SOAR拥有三大核心技术能力，即威胁情报平台，安全事件相应平台，安全编排与自动化。而在这三个技术中，安全编排与自动化无疑是重要且核心的功能。安全编排与自动化指的是将传统方法中需要人工编排的剧本，通过自动化的方式编排，然后自动执行。而在自动构建剧本领域，基于知识图谱自动构建剧本逐渐兴起，但基于知识图谱自动构建的剧本在使用过程中，时常由于某些原因无法运行而报错。于是在运行剧本发生报错时，使得剧本得以继续运行显得尤为重要。

发明内容

为实现上述目的，发明人提供了一种网络安全应急处置剧本自适应编排方法，包括以下步骤：

S1：将原知识图谱中的所有事实元组以及发生冲突新产生出的事实元组输入到Kgedl模型中；

S2：Kgedl模型从原知识图谱中学习路径嵌入；

S3：通过循环神经网络结合路径嵌入获得语义嵌入；

S4：在循环神经网络中消除冲突事实，并动态更新知识图谱中的事实元组；

S5：根据新的知识图谱进行SOAR剧本的构造。

作为本发明的一种优选方式，所述S1包括步骤：当由知识图谱自动构建的剧本发生冲突时，生成对应的事实元组，将新的事实元组加入原知识图谱中的事实元组集合作为输入，将输入记为F，其中代表元组中的主体， 代表关系， 代表客体，为该事实元组的置信度。

作为本发明的一种优选方式，所述S2包括步骤：对F中的所有事实元组进行递归访问，在访问过程中，得到和 中间的路径嵌入，通过以下表达式获得：

其中为实体间的单跳路径嵌入表示，为主体 和客体关系的多跳关系路径嵌入表示。

作为本发明的一种优选方式，所述S3包括步骤：利用RNN得到语义嵌入，RNN的表达式为：

其中 代表第 个多跳关系路径嵌入表示，，分别代表第个主体的语义嵌入和第个主体的语义嵌入， 为矩阵参数， 为非线性函数，表示第 个语义嵌入向量与第 个路径嵌入向量的串联；

设置 为0向量， = ，按照关系嵌入路径递归地执行RNN，最终得到第n个实体的语义嵌入表示。

作为本发明的一种优选方式，所述S4包括步骤：使用ResourceRank算法计算该事实元组为事实的概率得分，表达式为：

其中，为实体 与客体从语义嵌入的角度为事实的概率得分，代表语义嵌入， 是所有通向客体的实体集合，是实体的出度，是从实体到客体 的带宽，代表实体s的资源取值， 是范围为0-1的有理数， 是节点总个数。