買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119011291B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411473547.3，技術(shù)領(lǐng)域涉及：H04L9/40；該發(fā)明授權(quán)一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法是由顧國民;宋琪杰;陳鐵明;楊佳穎;朱添田;呂明琪;朱志凌;王曉明;魯銀冰設(shè)計(jì)研發(fā)完成，并于2024-10-22向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法在說明書摘要公布了：本發(fā)明屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，具體涉及構(gòu)建了一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法。本發(fā)明包括收集日志數(shù)據(jù)并構(gòu)建起源圖，對(duì)起源圖進(jìn)行去噪和壓縮；通過特征初始化、特征學(xué)習(xí)和種子節(jié)點(diǎn)檢測(cè)得到種子節(jié)點(diǎn)集；為起源圖中的每條邊和每個(gè)節(jié)點(diǎn)計(jì)算權(quán)重，并將起源圖重構(gòu)為加權(quán)異構(gòu)圖；基于種子節(jié)點(diǎn)集和加權(quán)異構(gòu)圖進(jìn)行重疊社區(qū)的檢測(cè)得到每個(gè)種子節(jié)點(diǎn)的自然社區(qū)，同時(shí)得到起源圖的多個(gè)子圖；將待檢測(cè)的子圖的子圖特征輸入訓(xùn)練好的分類器，若待檢測(cè)的子圖的子圖特征與良性的子圖特征偏移較大，則待檢測(cè)的子圖中存在惡意行為。本發(fā)明對(duì)起源圖進(jìn)行去噪后進(jìn)行重疊社區(qū)檢測(cè)來進(jìn)行攻擊社區(qū)的劃分與攻擊行為的識(shí)別。

本發(fā)明授權(quán)一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法在權(quán)利要求書中公布了：1.一種基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法，其特征在于，所述基于重疊社區(qū)發(fā)現(xiàn)的APT攻擊行為識(shí)別方法，包括：收集日志數(shù)據(jù)并構(gòu)建起源圖，對(duì)起源圖進(jìn)行壓縮；通過特征初始化、特征學(xué)習(xí)和種子節(jié)點(diǎn)檢測(cè)得到種子節(jié)點(diǎn)集；為起源圖中的每條邊和每個(gè)節(jié)點(diǎn)計(jì)算權(quán)重，并將起源圖重構(gòu)為加權(quán)異構(gòu)圖；基于種子節(jié)點(diǎn)集和加權(quán)異構(gòu)圖進(jìn)行重疊社區(qū)的檢測(cè)得到每個(gè)種子節(jié)點(diǎn)的自然社區(qū)，基于自然社區(qū)分割起源圖為多個(gè)子圖；對(duì)子圖進(jìn)行表征，得到子圖特征，利用良性的子圖特征訓(xùn)練分類器，將待檢測(cè)的子圖的子圖特征輸入訓(xùn)練好的分類器，若分類器針對(duì)待檢測(cè)的子圖的子圖特征與良性的子圖特征的輸出存在偏移，則待檢測(cè)的子圖的子圖特征是惡意的，即待檢測(cè)的子圖中存在惡意行為，否則，待檢測(cè)的子圖的子圖特征是良性的，待檢測(cè)的子圖中不存在惡意行為；其中，所述通過特征初始化、特征學(xué)習(xí)和種子節(jié)點(diǎn)檢測(cè)得到種子節(jié)點(diǎn)集，包括：所述特征初始化包括：根據(jù)起源圖的節(jié)點(diǎn)的類型和邊的類型，所述節(jié)點(diǎn)的類型包括進(jìn)程、文件、注冊(cè)表和套接字，為每個(gè)節(jié)點(diǎn)創(chuàng)建初始特征矩陣；所述特征學(xué)習(xí)包括：構(gòu)建圖神經(jīng)網(wǎng)絡(luò)，所述圖神經(jīng)網(wǎng)絡(luò)用公式表示如下： ；其中，表示第層的節(jié)點(diǎn)特征矩陣，，表示GNN層的總層數(shù)，表示圖神經(jīng)網(wǎng)絡(luò)，G為起源圖的拓?fù)浣Y(jié)構(gòu)，為初始的待訓(xùn)練參數(shù)矩陣，為第層的待訓(xùn)練參數(shù)矩陣，為初始特征矩陣，為第層的節(jié)點(diǎn)特征矩陣；將第層的節(jié)點(diǎn)特征矩陣輸入到分類器中，根據(jù)以下公式進(jìn)行節(jié)點(diǎn)類型分類： ；其中，為節(jié)點(diǎn)類型的概率分布，為分類器第層的參數(shù)矩陣，為最終的節(jié)點(diǎn)特征矩陣；使用梯度下降法訓(xùn)練圖神經(jīng)網(wǎng)絡(luò)，將每個(gè)節(jié)點(diǎn)的初始特征矩陣輸入訓(xùn)練好的圖神經(jīng)網(wǎng)絡(luò)得到最終特征矩陣；所述種子節(jié)點(diǎn)檢測(cè)包括：根據(jù)每個(gè)節(jié)點(diǎn)的最終特征矩陣使用離群值挖掘算法檢測(cè)起源圖中所有類型為進(jìn)程的節(jié)點(diǎn)的離群值，將離群值大于預(yù)設(shè)閾值的節(jié)點(diǎn)作為種子節(jié)點(diǎn)，得到種子節(jié)點(diǎn)集；其中，所述基于種子節(jié)點(diǎn)集和加權(quán)異構(gòu)圖進(jìn)行重疊社區(qū)的檢測(cè)得到每個(gè)種子節(jié)點(diǎn)的自然社區(qū)，包括：在種子節(jié)點(diǎn)集中隨機(jī)選取一個(gè)種子節(jié)點(diǎn)；檢測(cè)選取的種子節(jié)點(diǎn)的自然社區(qū)，并將選取的種子節(jié)點(diǎn)從種子節(jié)點(diǎn)集中刪除；重復(fù)選取、檢測(cè)和刪除種子節(jié)點(diǎn)，直到種子節(jié)點(diǎn)集為空；其中，所述檢測(cè)選取的種子節(jié)點(diǎn)的自然社區(qū)，包括：將選取的種子節(jié)點(diǎn)作為一個(gè)社區(qū)，令社區(qū)的內(nèi)部適應(yīng)度和外部適應(yīng)度為0，提取社區(qū)的鄰居節(jié)點(diǎn)集；在鄰居節(jié)點(diǎn)集中選擇任意一個(gè)鄰居節(jié)點(diǎn)加入到社區(qū)中，并計(jì)算社區(qū)當(dāng)前的內(nèi)部適應(yīng)度和外部適應(yīng)度；基于社區(qū)當(dāng)前的內(nèi)部適應(yīng)度和外部適應(yīng)度計(jì)算社區(qū)的社區(qū)質(zhì)量，若社區(qū)質(zhì)量的值增加，則將鄰居節(jié)點(diǎn)保留在社區(qū)中，并將鄰居節(jié)點(diǎn)從鄰居節(jié)點(diǎn)集中移除，否則，將鄰居節(jié)點(diǎn)從社區(qū)中刪除，并將鄰居節(jié)點(diǎn)從鄰居節(jié)點(diǎn)集中移除；當(dāng)鄰居節(jié)點(diǎn)集不為空時(shí)，重復(fù)選擇一個(gè)鄰居節(jié)點(diǎn)并對(duì)當(dāng)前鄰居節(jié)點(diǎn)進(jìn)行操作，以及計(jì)算社區(qū)質(zhì)量，當(dāng)鄰居節(jié)點(diǎn)集為空時(shí)，得到擴(kuò)展后的社區(qū)和擴(kuò)展后的社區(qū)的最終社區(qū)質(zhì)量；當(dāng)最終社區(qū)質(zhì)量與社區(qū)質(zhì)量相等時(shí)，結(jié)束算法，當(dāng)最終社區(qū)質(zhì)量與社區(qū)質(zhì)量不相等時(shí)，提取擴(kuò)展后的社區(qū)的鄰居節(jié)點(diǎn)集，并重復(fù)在鄰居節(jié)點(diǎn)集中選擇鄰居節(jié)點(diǎn)，對(duì)當(dāng)前鄰居節(jié)點(diǎn)進(jìn)行操作并擴(kuò)展社區(qū)，直到當(dāng)最終社區(qū)質(zhì)量與社區(qū)質(zhì)量相等或擴(kuò)展后的社區(qū)的鄰居節(jié)點(diǎn)集為空時(shí)，結(jié)束算法；結(jié)束算法后得到選取的種子節(jié)點(diǎn)的自然社區(qū)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。