[發(fā)明專利]基于云計(jì)算構(gòu)建大規(guī)模誘捕場景的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011068764.6
• 申請日: 2020-10-09
• 公開（公告）號: CN111935185B
• 公開（公告）日: 2021-01-08
• 發(fā)明（設(shè)計(jì)）人: 任俊博
• 申請（專利權(quán)）人: 北京元支點(diǎn)信息安全技術(shù)有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62
• 代理公司: 北京睿博行遠(yuǎn)知識產(chǎn)權(quán)代理有限公司 11297
• 代理人: 龔家驊

1.基于云計(jì)算構(gòu)建大規(guī)模誘捕場景的方法，其特征在于，所述方法執(zhí)行以下步驟：

步驟1：建立多個(gè)與本地端的應(yīng)用層、傳輸層、網(wǎng)絡(luò)層、鏈路層和物理層均相同的云端，每個(gè)云端均視為本地端的一個(gè)鏡像誘餌容器；

步驟2：采集本地端的誘餌資源數(shù)據(jù)，所述誘餌資源數(shù)據(jù)至少包括：用戶行為數(shù)據(jù)、應(yīng)用使用數(shù)據(jù)、網(wǎng)絡(luò)環(huán)境數(shù)據(jù)、登錄憑據(jù)數(shù)據(jù)、文件數(shù)據(jù)和流量數(shù)據(jù)；針對采集到的本地端數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，獲得預(yù)處理數(shù)據(jù)，對預(yù)處理數(shù)據(jù)進(jìn)行數(shù)據(jù)分類，為分類后得到的每個(gè)子數(shù)據(jù)集添加標(biāo)簽；再基于添加標(biāo)簽的子數(shù)據(jù)集進(jìn)行學(xué)習(xí)映射，以完成分類器的訓(xùn)練；在基于添加標(biāo)簽的子數(shù)據(jù)集使用建立的聚類模型進(jìn)行訓(xùn)練，以完成聚類器的訓(xùn)練；

步驟3：外部請求在訪問本地端時(shí)，首先采集外部請求的參數(shù)，所述外部請求的參數(shù)至少包括：用戶行為數(shù)據(jù)、應(yīng)用使用數(shù)據(jù)、網(wǎng)絡(luò)環(huán)境數(shù)據(jù)、登錄憑據(jù)數(shù)據(jù)、文件數(shù)據(jù)和流量數(shù)據(jù)；在基于采集到的外部請求的參數(shù)，使用完成訓(xùn)練的分類器進(jìn)行分類，在基于分類的結(jié)果，使用完成訓(xùn)練的聚類器進(jìn)行聚類，以識別外部請求的類型；

步驟4：根據(jù)外部請求的類型，對每個(gè)云端進(jìn)行分類，每個(gè)云端與外部請求的一個(gè)類型一一對應(yīng)；根據(jù)識別獲取的外部請求的類型，將該外部請求在訪問本地端之前，首先導(dǎo)入該外部請求類型對應(yīng)的云端；

步驟5：在云端設(shè)置監(jiān)聽器，實(shí)時(shí)監(jiān)聽外部請求在訪問云端時(shí)是否有惡意攻擊行為；如果存在惡意攻擊行為，則將該外部請求直接進(jìn)行攔截，若沒有檢測到任何惡意攻擊行為，則將該外部請求再發(fā)送至本地端;

所述聚類模型識別外部請求的類型的方法執(zhí)行以下步驟：隨機(jī)抽取外部請求的部分?jǐn)?shù)據(jù)，記為N，所述抽取的部分?jǐn)?shù)據(jù)在外部請求的數(shù)據(jù)的占比范圍為：4%~8%；在隨機(jī)抽取的部分?jǐn)?shù)據(jù)N，使用高斯和算子Sj進(jìn)行擴(kuò)張計(jì)算，算出擴(kuò)張域K上的任意一點(diǎn)的隨機(jī)抽取的部分?jǐn)?shù)據(jù)N的多個(gè)基底數(shù)N=Sj(N)，其中，j是大于等于N且小于等于2N-l的整數(shù)；所述擴(kuò)張域K是將有限域Fp擴(kuò)張2階得到的代數(shù)擴(kuò)張域，離散對數(shù)算出子單元根據(jù)余數(shù)a；根據(jù)如下公式，計(jì)算出多個(gè)離散對數(shù)，其中，K是大于等于1且小于等于100的整數(shù)，所述多個(gè)離散對數(shù)是大于等于N且小于等于100的整數(shù)；將計(jì)算出的多個(gè)離散對數(shù)作為外部請求的類型的特征值；同時(shí)使用誤差函數(shù)，驗(yàn)證計(jì)算出的外部請求的類型的特征值是否在誤差范圍內(nèi);

所述聚類模型的誤差函數(shù)驗(yàn)證外部請求的類型的特征值的方法包括：設(shè)定一個(gè)權(quán)重函數(shù)，用表示，將每個(gè)輸入變量與相對應(yīng)的權(quán)重函數(shù)進(jìn)行卷積運(yùn)算，得到第一中間結(jié)果；設(shè)定一個(gè)激勵(lì)函數(shù)，所述激勵(lì)函數(shù)為：；設(shè)定聚類網(wǎng)絡(luò)的聚類元閾值為：；將第一中間結(jié)果和該激勵(lì)函數(shù)以及聚類元閾值進(jìn)行運(yùn)算，得到前向聚類網(wǎng)絡(luò)的結(jié)果為：；計(jì)算前向聚類網(wǎng)絡(luò)的識別誤差；由于本次識別輸出的變量E為“外部請求的類型的特征值”，但模型訓(xùn)練后會(huì)產(chǎn)生一個(gè)預(yù)測值為O，故得出誤差函數(shù)為：其中m代表輸入本次建模樣本的數(shù)量，i表示第i個(gè)變量；反向傳播更新權(quán)重w；若誤差值與預(yù)測值的差值的范圍在設(shè)定的范圍內(nèi)，則代表計(jì)算出的外部請求的類型的特征值滿足要求。

2.如權(quán)利要求1所述的方法，其特征在于，所述步驟1中，建立與本地端的應(yīng)用層、傳輸層、網(wǎng)絡(luò)層、鏈路層和物理層均相同的云端的方法執(zhí)行以下步驟：在遠(yuǎn)程云服務(wù)器上執(zhí)行構(gòu)建器應(yīng)用程序，該遠(yuǎn)程云服務(wù)器包括處理器、存儲(chǔ)器、操作系統(tǒng)、和用于存儲(chǔ)軟件應(yīng)用程序和創(chuàng)建云端鏡像的存儲(chǔ)空間；提供所述軟件應(yīng)用程序，其包括應(yīng)用程序代碼和應(yīng)用程序數(shù)據(jù)；讀取設(shè)備配置文件，其指示用于與所述軟件應(yīng)用程序一起使用的配置設(shè)置，包括一個(gè)或多個(gè)虛擬機(jī)、類路徑和環(huán)境變量設(shè)置；接收關(guān)于將要與應(yīng)用程序一起使用的管理器類型的指示；將所述管理器類型特定的并且合乎所述配置設(shè)置的虛擬機(jī)的接引裝置寫入存儲(chǔ)空間中，其中不同形式的接引裝置被用于不同的管理器類型；將虛擬機(jī)的不接引裝置以及軟件應(yīng)用程序?qū)懭氪鎯?chǔ)空間中，其中所述不接引裝置用于執(zhí)行所述軟件應(yīng)用程序；將接引裝置配置成裝載和執(zhí)行不接引裝置，包括用不接引裝置的位置和由設(shè)備配置文件提供的配置設(shè)置更新接引裝置；以及如配置設(shè)置所配置的那樣輸出接引裝置和不接引裝置作為云端鏡像，其中，所述云端鏡像被預(yù)配置以用于部署到包括多個(gè)物理遠(yuǎn)程云服務(wù)器的云，所述多個(gè)物理遠(yuǎn)程云服務(wù)器包括所指示的管理器類型，使得接引裝置被預(yù)配置為引導(dǎo)、裝載和執(zhí)行不接引裝置和應(yīng)用程序，而不需要對所述多個(gè)物理遠(yuǎn)程云服務(wù)器的進(jìn)一步配置。