[發明專利]一種針對社交網絡中漏洞利用知識庫的構建方法

有效

• 申請號: 202110301718.4
• 申請日: 2021-03-22
• 公開（公告）號: CN113076543B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 黃誠;杜予同;梁根培
• 申請（專利權）人: 四川大學
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06F40/295;G06V10/774;G06N3/04;G06F16/951;G06F16/33;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種針對社交網絡中漏洞利用知識庫的構建方法，該方法以提取社交網絡中提供的漏洞利用代碼為核心，采集與其相關的產品、供應商、攻擊模式、漏洞類型、緩解策略實體信息，構成漏洞利用知識庫，并存儲于圖數據庫中，其特征在于，所述方法包括：

步驟1：收集社交網絡中新出現的和近三年的漏洞利用相關文本語料；

步驟2：對原始文本語料進行數據預處理，訓練Word2vec詞嵌入模型；

步驟3：使用步驟1中收集的社交網絡中近三年的漏洞利用相關文本語料作為訓練集，依據其中是否提供漏洞利用代碼，人工將訓練用語料數據分為兩類； 使用步驟2中訓練得到的Word2vec詞嵌入模型，將原始語料中的單詞依照訓練得到的Word2vec詞嵌入模型替換為詞向量；以詞向量矩陣作為神經網絡模型的輸入； 再使用一維卷積神經網絡對訓練集進行訓練，得到分類模型，然后使用訓練好的分類模型判別文本語料是否提供漏洞利用代碼；

步驟4：提取提供漏洞利用代碼的文本語料中的實體信息；

步驟5：匯總實體信息構建漏洞利用知識庫。

2.根據權利要求1所述的一種針對社交網絡中漏洞利用知識庫的構建方法，其特征在于，所述步驟1中：

設立包括“EXP”、“POC”、“CVE”、“vulnerability”、“exploit”的關鍵字集合用于從社交網絡海量信息中篩選漏洞利用相關文本語料；

每日定時利用網絡爬蟲和開發者API采集社交網絡中新發布的漏洞利用相關文本數據，用于迭代更新漏洞利用知識庫，并采集近三年的漏洞利用相關文本數據用于后續的模型訓練過程；

當采集得到的文本數據中含有引用的外部鏈接地址時，使用動態網絡爬蟲采集對應的外部鏈接網頁的文本內容，與原文本拼接形成最終的語料數據。

3.根據權利要求1所述的一種針對社交網絡中漏洞利用知識庫的構建方法，其特征在于，所述步驟2中：

從收集到的漏洞利用相關文本語料中去除非ASCII字符、標點符號和停用詞；

將文本中所有單詞中的大寫字母全部由小寫字母替換，并使用NLTK進行詞形還原；

將文本中的數量詞、網頁鏈接、社交網絡中的特定用戶名、特定話題標記替換為同一代詞標記，如“number”，“url”，“username”，“hashtag”；

使用近三年漏洞利用相關文本數據為訓練集，訓練基于CBOW的Word2vec詞嵌入模型。

4.根據權利要求1所述的一種針對社交網絡中漏洞利用知識庫的構建方法，其特征在于，所述步驟4中：

使用步驟1中收集的社交網絡中近三年的漏洞利用相關文本語料作為訓練集，依據語義將標注出文本中的命名實體(產品、供應商、漏洞類型)；

使用詞向量矩陣作為模型輸入，使用雙向長短期記憶神經網絡和條件隨機場對訓練集進行訓練，得到序列標注模型；

使用正則表達式對訓練集中的漏洞編號進行標記，選擇其中只包含唯一漏洞編號的語料作為模型輸入訓練得到基于邏輯回歸算法的漏洞評分模型；

只選取在步驟3中被分類模型判定為提供漏洞利用代碼的語料進行命名實體識別；

當在一條語料存在不少于兩個代表不同漏洞的編號時，將該語料輸入訓練得到的序列標注模型中以識別產品、供應商和漏洞類型命名實體；否則就依據漏洞編號信息使用網絡爬蟲提取產品、供應商和漏洞類型命名實體信息；

使用訓練好的漏洞評分模型預測提供漏洞利用代碼的語料中所涉及漏洞的嚴重程度；

依據漏洞類型命名實體信息，使用網絡爬蟲提取漏洞對應的緩解策略實體；

使用網絡攻擊技戰術映射工具，從提供漏洞利用代碼的語料中提取攻擊模式命名實體。

5.根據權利要求1所述的一種針對社交網絡中漏洞利用知識庫的構建方法，其特征在于，所述步驟5中：

漏洞利用知識本體中的實體類型包括：“漏洞利用信息”、“產品”、“供應商”、“攻擊模式”、“漏洞類型”、“緩解策略”；

漏洞利用知識本體中的實體關系類型包括：“包含漏洞”、“利用”、“攻擊”、“開發”、“屬于”、“緩解”；

依據知識本體的設計，將漏洞利用信息、產品、供應商、攻擊模式、漏洞類型、緩解策略構成圖結構的漏洞利用知識庫，最后使用圖數據庫進行持久化存儲。