[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

说明书

本发明公开了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，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。本发明利用大数据挖掘分析处理技术，对信令网络协议数据中蕴含的非法用户行为数据信息，进行信令网络中非安全的泛目标筛选，到精准的异常目标推荐及智能识别。

技术领域

本发明涉及信令网络通信及大数据处理技术领域，具体涉及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。

背景技术

目前，现有的信令网络安全入侵检测防御，主要采用信令协议交互消息的鉴权认证、消息要素合法符合性验证等基础消息处理层面的信令网络入侵检测发现技术。

现有信令网络安全入侵检测防御技术仅限于解决信令协议消息级的信令消息安全。难以发现信令网络黑客利用7号信令网络的MAP、CAP信令消息和IP网络承载的Diameter信令消息进行对目标用户信息嗅探、目标用户信息窃取、目标用户的位置跟踪、短信监视/拦截。

发明内容

针对现有技术中的上述不足，本发明提供的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解决了信令网络黑客对目标用户信息嗅探、目标用户信息窃取、目标用户的位置跟踪、短信监视/拦截的问题。

为了达到上述发明目的，本发明采用的技术方案为：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，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。

进一步地：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。

进一步地：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。

进一步地：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。

进一步地：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。

进一步地：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。

进一步地：所述异常目标智能推荐通过特征模型实现。

进一步地：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；