[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

本發明屬于網絡安全技術領域，特別涉及一種基于QBD攻防隨機演化博弈模型的攻擊預測方法、裝置及系統，該方法包含：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。本發明更貼近于實際攻防對抗場景，考慮攻防演化過程中隨機擾動影響，提出擬生滅攻防隨機演化博弈模型，增強預測攻擊行為能力，提升攻擊預測準確性和模型有效性，對于網絡安全技術發展都具有重要指導意義。

技術領域

本發明屬于網絡安全技術領域，特別涉及一種基于QBD攻防隨機演化博弈模型的攻擊預測方法、裝置及系統。

背景技術

在網絡安全領域中攻擊者利用多種攻擊手段對防御系統實施攻擊獲取更多有價值的信息資源，而防御者則針對攻擊者的意圖采取不同的防御手段對防御系統進行保護，防止信息資源被攻擊者竊取。為了對信息系統進行有效防御，防御者需要事先對攻擊行為進行準確預測以避免信息資源遭受巨大損失。網絡攻防對抗過程中攻防雙方所體現出的目標對立性、策略依存性和關系非合作性與博弈論的基本特征完美契合。因此，博弈論在網絡安全領域的研究和應用已成為近年來各專家學者研究的重點和熱點。

目前，有關博弈論在網絡安全領域的研究成果均基于完全理性的假設，認為博弈的攻防參與者完全掌握對手的可選策略及收益結構，通過求解納什均衡，得到最優響應策略。但是，上述成果并沒有考慮現實攻防參與者有限理性的特點，即攻防參與者具備的安全知識、技能水平和獲取的博弈信息有限，決策時并不總是推理正確，也不可能在任何情況下根據決策環境的變化做出最優反應，理想化的完全理性假設與實際網絡攻防情況不符，實用效果偏差。隨著演化博弈理論在網絡安全領域的研究和應用，以基于有限理性的演化博弈思想分析攻擊行為預測和防御策略選取，更符合網絡攻防對抗場景。演化博弈考慮攻防參與者有限理性的特點，通過策略的不斷學習調整，參與者逐漸掌握決策環境、對手信息及不同策略博弈產生的收益差等信息，最終動態演化到穩定均衡狀態。目前的研究中，從信息安全中的攻防成本出發，建立了信息安全攻防對抗演化博弈模型，根據攻防群體復制動態的關系，得出信息安全攻防對抗的演化穩定策略；結合演化博弈和系統動力學建立攻防演化博弈模型，從系統邊界、有效性和參數靈敏度方面對模型進行檢驗，證明了模型具有客觀性、科學性和實用性；從攻防參與者有限理性的角度出發研究防御策略選取問題，并構建攻防演化博弈模型，利用復制動態學習機制提出了演化穩定策略的求解方法并對其進行分析；建立物聯網的多階段攻防演化博弈模型，對攻防策略的收益/成本進行量化，并利用復制動態學習機制確定最優防御策略。然而，上述研究均基于復制動態學習機制，這是一種確定性的、無變異的自然選擇學習模型，總是確定選擇期望收益比平均收益高的策略。而實際攻防對抗過程在攻擊行為和意圖不確定、決策環境變化等隨機擾動的影響下，確定性的復制動態機制難以準確估計和預測攻防動態演化。

發明內容

為此，本發明提供一種基于QBD攻防隨機演化博弈模型的攻擊預測方法、裝置及系統，更加貼近實際攻防對抗場景，增強預測攻擊行為能力，提升攻擊預測的準確性和有效性，具有很強的應用前景。

按照本發明所提供的設計方案，一種基于QBD攻防隨機演化博弈模型的攻擊預測方法，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。