[发明专利]一种多层融合信标检测与路径还原方法、装置和存储介质

权利要求书

1.一种多层融合信标检测与路径还原方法，其特征在于，所述方法包括：

S1，对目标网络进行多层融合的信标植入与提取，得到信标数据包信息；所述信标数据包信息包括若干个信标数据信息；

所述信标植入与提取从系统网络的网络层、传输层及应用层进行；

所述信标植入在路由节点标记时，植入规则为：

insertfield_old＝insertfield+ID_old

其中insertfield表示当前路由节点的标识字段，insertfield_old表示上一路由节点的标识字段，ID_old表示上一路由节点的数据包中IP协议的ID标识；

S2，利用预设的网络表征学习模型对所述信标数据包信息进行节点特征提取分类，得到节点特征向量信息；所述节点特征向量信息包括若干个节点特征向量；

所述节点特征向量信息的计算步骤为：

步骤1：从第一个路由节点的数据包开始，分别计算两路由节点的转移概率、搜索偏差及指向下一个路由节点的数据包的概率；

所述转移概率π_vx为：

π_vx＝a_pq(t，x)·w_vx

所述搜索偏差a_pq(t，x)为：

所述指向下一个路由节点的数据包的概率p(c_i＝x|c_i-1＝v)为：

其中：v为当前的路由节点，t表示v的上一步所在路由节点，x代表下一步路由节点，w_vx为边的权重，dtx为下一步访问路由节点x和当前路由节点v的上一个路由节点t之间的最短路径，p、q为超参数，p控制重复访问刚经过的路由节点的概率，q控制游走的方向，c_i为游走的第i个路由节点，c_i-1为游走的第i-1个路由节点，z为归一化常数，E表示边的集合；

步骤2：使用超参数p控制游走的重复访问上一路由节点的概率；

步骤3：使用超参数q控制游走的方向；

对网络中的每一个路由节点都重复步骤1、步骤2和步骤3，直至访问完所有路由节点，得到节点特征向量信息；

S3，利用预设的图卷积神经网络模型对所述节点特征向量信息进行路径还原处理，得到攻击路径信息；

步骤1，所述图卷积神经网络模型包括N个路由节点；

所述N个路由节点的特征组成一个N×D维的矩阵X；

网络各路由节点之间形成N×N维的邻接矩阵A；

矩阵X和矩阵A为图卷积神经网络模型的输入；

步骤2，利用乘法规则HW对当前路由节点特征进行变换学习，其中H为路由节点表征，W为模型权重；

步骤3，利用所述邻接矩阵聚合领域路由节点的特征，得到该路由节点的新特征，通过学习邻居路由节点对当前路由节点的重要程度的权重，加权得到当前路由节点的表征；

步骤4，采用激活函数得到含有路由节点信息的图卷积神经网络模型网络图；

步骤5，将所述矩阵X输入所述图卷积神经网络模型网络图，输出为N层的路由节点特征，所述N层的路由节点特征为攻击路径信息；

所述攻击路径信息表征攻击信息在所述目标网络中的传播路径情况。

2.根据权利要求1所述的多层融合信标检测与路径还原方法，其特征在于，所述对目标网络进行多层融合的信标植入与提取，得到信标数据包信息，包括：

从系统网络的网络层、传输层及应用层进行信标植入与提取，得到信标数据包信息；

将流经当前路由节点的信标的标记信息与下一路由节点的信标的标记信息建立规则，所述规则作为路径还原的依据。

3.根据权利要求1所述的多层融合信标检测与路径还原方法，其特征在于，所述利用预设的图卷积神经网络模型对所述节点特征向量信息进行路径还原处理，得到攻击路径信息，包括：

将各路由节点的表征特征向量输入图卷积神经网络中，利用图卷积神经网络实现攻击路径还原。