申请/专利权人：暨南大学

申请日：2024-03-07

公开（公告）日：2024-06-25

公开（公告）号：CN117857224B

主分类号：H04L9/40

分类号：H04L9/40;G06N20/00;H04L61/4511

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于多POV的DNS授权依赖安全评估方法，涉及网络安全领域。所述方法包括：获取包括多POV的授权依赖元素的DNS授权依赖样本；利用专家经验，对DNS授权依赖样本进行评估标注，构建安全风险评估数据集；基于特征选择方法，从安全风险评估数据集中选取出多POV特征子集；利用多POV特征子集训练机器学习模型，得到DNS授权安全评估模型；获取待评估DNS授权信息，利用DNS授权安全评估模型输出DNS授权依赖安全评估结果。相较于现有技术，本发明所述方法计算速度快、评估准确性高、可解释性强，所构建的DNS授权安全评估模型具有高效高鲁棒的特性。

主权项：1.一种基于多POV的DNS授权依赖安全评估方法，其特征在于，包括：获取包括多POV的授权依赖元素的DNS授权依赖样本；其中，所述授权依赖元素包括DNS授权依赖关系信息、DNS授权依赖设施性能信息、DNS授权依赖设施归属信息和或DNS授权依赖主机属性信息；利用专家经验，对所述DNS授权依赖样本进行评估标注，构建安全风险评估数据集；其中，所述构建安全风险评估数据集，包括：采用Delphi方法，以匿名方式由专家群体根据所述授权依赖元素对所述DNS授权依赖样本进行多轮评估标注，并对每一轮得到的域名授权依赖安全风险等级评估标注结果进行汇总后提交给专家群体进一步评估标注，直至结束评估，以使意见趋于一致；将所述DNS授权依赖样本与对应的最终的所述域名授权依赖安全风险等级评估标注结果组合为所述安全风险评估数据集；基于特征选择方法，从所述安全风险评估数据集中选取出多POV特征子集；其中，采用信息增益方法从所述安全风险评估数据集中选取出所述多POV特征子集，包括：计算所述安全风险评估数据集的信息熵，其计算式如下： 式中，表示属于第类域名授权依赖安全风险等级的DNS授权依赖样本；以所述授权依赖元素为索引构建若干个依赖特征集；计算每个依赖特征集对所述安全风险评估数据集的条件熵，其计算式如下： 式中，A表示多尺度的所述依赖特征集；表示第个依赖特征集中属于类的所述DNS授权依赖样本的集合；根据所述信息熵与所述条件熵间的差值，计算每个所述依赖特征集的信息增益，其计算式为： 根据所述信息增益排序，并选取至少两个所述依赖特征集组合为所述多POV特征子集；利用所述多POV特征子集训练机器学习模型，得到DNS授权安全评估模型；获取待评估DNS授权信息，利用所述DNS授权安全评估模型输出DNS授权依赖安全评估结果。

全文数据：

权利要求：

百度查询： 暨南大学 一种基于多POV的DNS授权依赖安全评估方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD