龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：长春理工大学
申请日：2024-03-12
公开（公告）日：2024-06-04
公开（公告）号：CN118138315A
主分类号：H04L9/40
分类号：H04L9/40;G06F21/55;G06N3/0464;G06N3/08;G06F16/36;G06F16/35;G06F40/284
优先权：
专利状态码：在审-公开
法律状态：2024.06.04#公开
摘要：基于图注意力网络和二维卷积相结合的APT攻击预测方法，涉及网络攻防领域和深度学习领域，解决现有威胁预防系统误报率高，无法对APT攻击进行针对性的预测问题，本发明方法通过将抽取威胁情报中的实体按照对应的关系进行关联，按照对应的关系生成三元组并构建APT攻击知识图谱，使用图注意力网络对APT攻击进行组织分类，将分类完的APT攻击数据中的三元组按照分类结果进行划分，再利用ConvE模型对分类完的三元组训练，进而针对性的完成对APT攻击行为的预测，可以大大提高对PT攻击行为预测的效率。
主权项：1.基于图注意力网络和二维卷积相结合的APT攻击预测方法，其特征是：该方法由以下步骤实现：步骤一、通过获取的APT威胁报告，构建关系矩阵A、特征矩阵X和三元组T；根据构建的三元组T，构建APT攻击知识图谱；步骤二、将所述关系矩阵A和特征矩阵X输入到GAT模型中，获得APT攻击的分类，根据APT攻击的分类结果将所述三元组T划分为T1，T2，……，Ti；步骤三、将所述T1，T2，……，Ti依次输入到ConvE模型中，对APT攻击进行预测；步骤四、初始化ConvE模型，设置训练次数epoch和阈值a；步骤五、读取三元组Ti，将三元组的头实体和关系映射到连续的向量空间中得到向量E＝[eh；er]，其中eh和er分别是头实体和关系的嵌入向量。步骤六、将向量E通过卷积层进行卷积操作并输出F进行全连接操作和非线性ReLU激活函数处理，获得最终的特征映射结果M；步骤七、采用得分函数对最终映射结果M计算预测得分Score；步骤八、判断epoch是否大于最大训练次数e，如果是，则执行步骤九，否则，执行步骤六，且epoch+1；步骤九、循环执行步骤五-步骤八测试模型，将计算测试三元组的平均排名Mr和命中率前10的用于评估该模型在APT攻击预测性能；步骤十、将预测得分Score和阈值a对比，如果大于a，判断该三元组关系存在，否则，三元组关系不存在；输出对APT攻击行为的预测结果。
全文数据：
权利要求：
百度查询： 长春理工大学 基于图注意力网络和二维卷积相结合的APT攻击预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号