(19)中华 人民共和国 国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202111522637.3
(22)申请日 2021.12.13
(71)申请人 北京影安电子科技有限公司
地址 102108 北京市延庆区中关村延庆园
风谷四路8号院27号楼646室
(72)发明人 全威 谢景扬
(74)专利代理 机构 安徽思沃达知识产权代理有
限公司 342 20
代理人 李诺
(51)Int.Cl.
H04L 9/40(2022.01)
H04L 41/14(2022.01)
H04L 43/16(2022.01)
(54)发明名称
一种网络攻击者的发现和追 踪方法
(57)摘要
本发明适用于计算机领域, 提供了一种网络
攻击者的发现和追踪方法, 使用WEB指纹匹配算
法, 将指纹数据与历史攻击者指纹数据进行逐一
匹配, 得出指纹匹配向量; 使用攻击者判定算法,
将指纹匹配向量与指纹数据权重向量进行计算,
得出匹配分值; 判定匹配分值是否大于攻击者阈
值, 如大于阈值, 则判定为旧有 攻击者; 如小于阈
值, 则判定为新出现攻击者。 引入新的网络安全
防守视角, 使发现并追踪网络攻击者成为可能,
化被动防御为主动防御, 在发现和追踪网络攻击
者的基础上, 就可以建立针对攻击者的情报体
系, 使网络安全防护的效能在新的视角下得到提
高。
权利要求书2页 说明书5页 附图3页
CN 114205161 A
2022.03.18
CN 114205161 A
1.一种网络攻击者的发现和追踪方法, 其特 征在于, 所述方法包括:
通过蜜罐获取攻击者的原始WEB指纹数据, 对数据进行提取, 对所提取的指纹数据进行
数据预处 理;
使用WEB指纹匹配算法, 将指纹数据与历史攻击者指纹数据进行逐一匹配, 得出指纹匹
配向量;
使用攻击者判定算法, 将指纹匹配向量与指纹数据权 重向量进行计算, 得 出匹配分值;
判定匹配分值是否大于攻击者阈值, 如大于阈值, 则判定为旧有攻击者; 如小于阈值,
则判定为 新出现攻击者;
无论阈值判定结果如何, 均会将指纹向量保存 入历史攻击者指纹数据集。
2.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述通过蜜罐获取
攻击者的原始 WEB指纹数据, 对数据进 行提取, 对所提取的指纹数据进 行数据预 处理步骤中
的指纹提取和数据预处理动作包括: 检查指纹数据规范性与完整性, 根据预设定的数据格
式, 提取有效指纹数据, 删除无用数据, 将数据转换成计算机可读形式; 所述指纹数据的类
别包括网络指纹、 软件指纹和硬件指纹。
3.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述使用WEB指纹
匹配算法, 还 会将新采集的攻击者指纹数据与所有历史攻击者指纹数据进行 逐一匹配;
所述WEB指纹匹配算法在执行过程中, 会将单一的指纹数据集中的多个指纹数据, 所述
指纹按类别划分为关键性指纹和非关键性指纹。
4.如权利要求3所述的网络攻击者的发现和追踪方法, 其特征在于, 所述将指纹数据与
历史攻击者指纹数据进行逐一匹配具体包括: 对于关键性指纹, 是通过相同性匹配方法进
行匹配, 如果两组指纹的关键性指纹完全相同, 则认为匹配成功; 反之则匹配失败; 对于非
关键性指纹, 是通过指纹相似度匹配算法进行匹配, 如果两组指纹的非关键性指纹的字符
串距离小于阈值, 则认为匹配成功; 反之则匹配失败; 所述相似度算法具体为SimHash字符
串距离算法或Levenshtei n字符串距离算法。
5.如权利要求3所述的网络攻击者的发现和追踪方法, 其特征在于, 所述非关键性指纹
的指纹相似度匹配算法中, 非关键性指纹相似度阈值的赋值是基于机器学习方法得到的,
基于大量网络攻防实验采集的数据, 构造出同一个攻击者的所有指纹集中特定非关键性指
纹的距离取值模型, 进行训练后调优得到的阈值赋值。
6.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述指纹匹配向量
中, 每个向量元素代表了每个指纹数据匹配的结果, 取值0或1; 0代表匹配不成功, 1代表匹
配成功。
7.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述历史攻击者指
纹数据集中的每一条数据, 代表了已经采集到的攻击者指纹数据, 通过与新采集到的攻击
者指纹数据的逐一匹配, 进而能够判定本次访问对象是已出现的攻击者还 是新出现的攻击
者, 在成功匹配后, 从而实现对攻击者的追踪能力。
8.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述攻击者判定算
法, 其中的指纹数据权重的赋值, 是以机器学习方法为基础, 由大量网络攻防实验采集到的
指纹数据和攻击者的关系, 构造出所有指纹数据对指纹和 攻击者对应关系的贡献度模型,
再通过数据训练得 出的调优权 重取值。权 利 要 求 书 1/2 页
2
CN 114205161 A
29.如权利要求1所述的网络攻击者的发现和追踪方法, 其特征在于, 所述指纹匹配向量
与指纹数据权重向量进 行的计算, 包括向量点乘计算, 以及向量元素求和, 最 终得到匹配分
值。
10.如权利要求1 ‑9任一所述的网络攻击者的发现和追踪方法, 其特征在于, 所述攻击
者阈值, 是以机器学习 方法为基础, 由大量网络攻防实验采集到的实际攻击者指纹归属情
况的数据, 构造攻击者判定算法得出 的分值与攻击者的对应取值范围的模型, 进行数据训
练后得出的相对客观的阈值。权 利 要 求 书 2/2 页
3
CN 114205161 A
3
专利 一种网络攻击者的发现和追踪方法
安全报告 >
其他 >
文档预览
中文文档
11 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 22:38:35上传分享