[發明專利]基于QBD攻防隨機演化博弈模型的攻擊預測方法、裝置及系統

有效

• 申請號: 201910549015.6
• 申請日: 2019-06-24
• 公開（公告）號: CN110417733B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 譚晶磊;金輝;張紅旗;楊英杰;劉小虎;雷程
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;G06N20/00;G06N5/04
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

1.一種基于QBD攻防隨機演化博弈模型的攻擊預測方法，其特征在于，包含如下內容：

將攻防演化過程抽象為擬生滅過程QBD，引入學習程度和噪聲因子刻畫隨機擾動下攻防參與者策略學習調整的動態演化軌跡，構建QBD攻防隨機演化博弈模型；

依據QBD攻防隨機演化博弈模型建立擬生滅攻防對抗過程的平衡方程；

對平衡方程進行求解，獲取擬生滅攻防對抗過程的策略平衡概率分布；依據策略平衡概率分布，得到最具威脅的攻擊策略；

其中，依據QBD攻防隨機演化博弈模型，構造對應的擬生滅過程，獲取擬生滅過程的狀態空間，建立平衡方程；

建立平衡方程過程如下：首先，定義攻擊者和防御者策略選擇的轉移概率；依據轉移概率矩陣，構造出擬生滅攻防演化過程，得到攻防演化過程的平衡方程；

QBD攻防隨機演化博弈模型通過七元組表示：QBD-ADSEGM＝(Γ,N,S,χ(t),α,β,U)，其中，Γ表示攻防博弈群體，N表示攻防參與者數量，S表示攻防參與者策略空間，χ(t)表示t時刻攻防狀態空間，α表示攻防參與者學習程度集合，β表示攻防參與者噪聲因子，U表示攻防雙方受益函數集合。

2.根據權利要求1所述的基于QBD攻防隨機演化博弈模型的攻擊預測方法，其特征在于，攻防參與者學習程度集合包含用于描述攻擊者對攻防信息掌握程度的學習參數和用于描述防御者對攻防信息掌握程度的學習參數；攻防參與者噪聲因子，用來描述攻防過程中的隨機擾動，并設定攻防參與者噪聲因子大于0。

3.根據權利要求1所述的基于QBD攻防隨機演化博弈模型的攻擊預測方法，其特征在于，平衡狀態求解過程中，首先對平衡方程進行初等變換并求解，由正常返條件獲取QBD攻防演化過程平穩概率分布，從而得到攻防隨機演化博弈的平穩概率分布。

4.根據權利要求3所述的基于QBD攻防隨機演化博弈模型的攻擊預測方法，其特征在于，依據平衡方程的非線性齊次方程組性質，采用高斯消元法對平衡方程進行初等變換。

5.根據權利要求3所述的基于QBD攻防隨機演化博弈模型的攻擊預測方法，其特征在于，平衡方程求解中，通過分析博弈群體間的對抗分析和相互學習，獲取博弈信息，計算不同策略博弈產生的收益，以期望收益、學習程度和噪聲因子決定轉移概率。

6.一種基于QBD攻防隨機演化博弈模型的攻擊預測裝置，其特征在于，包含：模型構建模塊、方程建立模塊和分析求解模塊，其中，

模型建立模塊，用于將攻防演化過程抽象為擬生滅過程QBD，引入學習程度和噪聲因子刻畫隨機擾動下攻防參與者策略學習調整的動態演化軌跡，構建QBD攻防隨機演化博弈模型；

方程建立模塊，用于依據QBD攻防隨機演化博弈模型建立擬生滅攻防對抗過程的平衡方程；

分析求解模塊，用于對平衡方程進行求解，獲取擬生滅攻防對抗過程的策略平穩概率分布；依據策略平穩概率分布，得到最具威脅的攻擊策略；

其中，依據QBD攻防隨機演化博弈模型，構造對應的擬生滅過程，獲取擬生滅過程的狀態空間，建立平衡方程；

建立平衡方程過程如下：首先，定義攻擊者和防御者策略選擇的轉移概率；依據轉移概率矩陣，構造出擬生滅攻防演化過程，得到攻防演化過程的平衡方程；

QBD攻防隨機演化博弈模型通過七元組表示：QBD-ADSEGM＝(Γ,N,S,χ(t),α,β,U)，其中，Γ表示攻防博弈群體，N表示攻防參與者數量，S表示攻防參與者策略空間，χ(t)表示t時刻攻防狀態空間，α表示攻防參與者學習程度集合，β表示攻防參與者噪聲因子，U表示攻防雙方受益函數集合。

7.一種網絡安全系統，其特征在于，包含權利要求6所述的基于QBD攻防隨機演化博弈模型的攻擊預測裝置。