[发明专利]一种基于交互行为分析的网络渗透识别方法

摘要

本发明公开了一种基于交互行为分析的网络渗透识别方法，所述方法通过Sebek客户端采集蜜罐机的交互行为数据作为分析对象，对采集的数据进行特征提取和清洗、特征分类、特征编码形成一个特征序列；根据交互行为特征序列具有不定长和时序性的特点，采用LSTM模型作为攻击识别分类器，分别分析激活函数、损失函数和梯度下降算法并选取合适的作为本模型使用，然后通过多次超参数调参优化训练模型。本发明针对捕获行为数据特征的时序性进行建模，筛选特征减少特征维数并通过特征编码，提高模型的训练速度和精度。本发明通过反复参数调优训练，模型对渗透攻击识别的准确率和误报率明显优于其他模型。

主权项

1.一种基于交互行为分析的网络渗透识别方法，其特征在于所述方法包括如下步骤：步骤一、数据预处理(1)利用Sebek技术对攻击行为进行捕获；(2)提取和清洗数据，去掉无效和奇异的数据，利用最大信息系数法获取特征关联度并对特征进行筛选；(3)将特征进行分类，使用独热编码方式将离散特征数值化，变成攻击识别模型能够接受的特征序列；步骤二、构建渗透攻击识别模型(1)选取长短时记忆循环神经网络对交互行为进行建模；(2)设置模型的隐藏层的激活函数为ReLU，输出层采用Softmax实现模型多分类输出；(3)采用交叉熵作为损失函数来描述模型实际输出与预期输出的差距；(4)使用基于时间反向传播算法BPTT对模型进行训练；步骤三、渗透攻击识别将步骤一处理后的特征序列输入步骤二训练好的模型中，根据输出确定是哪种类型的渗透攻击。