[发明专利]基于大数据特征模型识别的信令网络安全挖掘分析方法

权利要求书

1.一种基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，包括以下步骤：

S1、基于筛选参数模型在敏感信令消息中发现非安全可疑目标；

S2、对非安全可疑目标进行全量信令消息补全；

S3、对非安全可疑目标的行为特征提取为目标特征参数模型，基于目标特征参数模型进行异常目标的挖掘推荐。

2.根据权利要求1所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述步骤S1的具体步骤为：

S11、基于MAP/CAP信令消息数据，通过预设的可疑行为参数模型加载对应算子；

S12、利用Spark计算引擎根据算子对信令消息数据进行分析计算得到计算结果，并将计算结果存入安全风险数据库中；

S13、由可疑网元目标筛选功能，通过预设的参数阈值，筛选出安全风险数据库中的数据，过滤出非安全可疑目标和网元信息。

3.根据权利要求2所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述步骤S11中可疑行为参数模型包括可疑网元、可疑用户、攻击行为和趋势统计检测，所述可疑行为参数模型的最底层模型为信令信息的具体字段。

4.根据权利要求1所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述步骤S3中异常目标的挖掘推荐包括异常网元目标推荐和异常目标智能推荐。

5.根据权利要求4所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述异常网元目标推荐的具体步骤为：

从安全风险数据库中抽取可疑网元目标数据；

通过Spark计算引擎，使用关联分析和推荐算法，结合异常行为参数模型识别异常网元目标；

在Spark Task程序运行内部，将可疑网元目标参数值与安全类参数值进行关联分析和权重计算，得到异常网元目标数据，输入到安全风险识别数据库中。

6.根据权利要求5所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述异常行为参数模型包括异常网元模型、可疑用户、攻击行为和趋势统计检测。

7.根据权利要求4所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述异常目标智能推荐通过特征模型实现。

8.根据权利要求7所述的基于大数据特征模型识别的信令网络安全挖掘分析方法，其特征在于，所述特征模型包括异常网元识别特征模型、异常用户识别特征模型和攻击识别特征模型，每个特征模型包括判定目标参数值特征、判定目标信令规律特征和判定目标静态信息特征；

所述目标参数值特征为对所有的用户判正目标的异常网元和目标特征参数值进行融合聚类分析，实现系统智能感知异常目标的参数模型的值域特征感知，为后续异常目标发现提供特征值域模式匹配识别能力；

所述目标信令规律特征为对所有的用户判正网元和目标特征的信令行为涉及到的信令消息进行聚合分析，得到本特征参数。实现系统智能感知异常目标的信令偏好能力，包括源网元到目的网元、能获取用户的位置信息、用户数据各类信令集；

所述目标静态信息特征为对所有的用户判正目标的涉及到的信令消息进行时序段聚合得到本特征参数，实现系统智能感知异常目标的信令组合攻击模式能力，由包括网元多信令流程组合及用户信令流程组合。