龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学
摘要：本发明公开了一种基于Q‑learning的网络最优攻击路径预测方法及系统，利用漏洞扫描工具获取网络环境中的漏洞信息，构建网络环境的攻击图；根据提出的漏洞量化规则，从多维度对获取的漏洞进行评分，进而对攻击图进行量化；构建Q‑learning的网络最优攻击路径预测模型，将攻击图中的量化信息作为环境反馈值；在攻击图上对基于Q‑learning的网络最优攻击路径预测模型进行迭代训练，通过多次迭代自动实现对决策的优化；最终预测出多步攻击场景下的高危攻击路径，主要解决现有技术攻击路径预测慢、计算成本高、不能随着网络环境的变化进行动态调整的问题，可用于高校和企业网络等场景。
主权项：1.一种基于Q-learning的网络最优攻击路径预测方法，其特征在于，包括以下步骤：步骤1，根据网络中的关键信息以及网络环境中的漏洞，构建网络环境的攻击图；步骤2，采用优化的CVSS通用漏洞评分系统，确定攻击图中每一个漏洞节点的攻击发动指标和攻击成功指标，将攻击成功指标与攻击发动指标赋于攻击图上的两类边，将其作为两类边的边权值，得到量化后的攻击图G′；步骤3，将量化后的攻击图作为环境属性，攻击图上的节点作为状态集合，攻击图上的有向边作为动作集合，构建基于Q-learning的最优攻击路径预测模型；所述构建基于Q-learning的最优攻击路径预测模型的方法如下：S3.1、建立N×N的二维数组R，将步骤2得到的量化后的攻击图G′的边权值存在二维数组R中得到矩阵R，在量化后的攻击图G′中，若两节点间相互不连通，将R中对应的值取为-1；S3.2、取条件节点B1作为初始采样状态S1，BM作为目标状态STerm，量化后的攻击图G′中的其余节点作为中间状态St，G′中的有向边作为动作A，矩阵R作为学习环境，Rt，j表示在状态St下采取动作At到达状态Sj的环境反馈值，构建基于Q-learning的网络最优攻击路径预测模型；步骤4，对Q-learning的最优攻击路径预测模型进行迭代训练，根据训练后的最优攻击路径预测模型进行网络最优攻击路径的预测。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于Q-learning的网络最优攻击路径预测方法及系统
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