[發明專利]一種物聯網設備蜜罐系統攻擊分類方法、裝置及設備

有效

• 申請號: 202110385194.1
• 申請日: 2021-04-09
• 公開（公告）號: CN112801233B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 王濱;張峰;萬里;何承潤;丁增賢;李俊;王沖華
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G16Y10/75;G16Y30/10;G16Y40/10;G16Y40/20;G16Y40/50
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 楊春香

本申請提供一種物聯網設備蜜罐系統攻擊分類方法、裝置及設備，該方法包括：將目標特征向量輸入給初始分類器模型的K個一階分類器，得到K個分類結果；若K個分類結果對應M種攻擊行為類型，從初始分類器模型的所有M階分類器中選取目標分類器；將目標特征向量輸入給目標分類器，得到分類結果，基于該分類結果確定目標攻擊行為類型；基于目標攻擊行為類型確定目標特征向量的標簽值，基于目標特征向量和該標簽值對初始分類器模型進行訓練，基于訓練后的分類器模型確定目標分類器模型，該目標分類器模型用于確定待檢測流對應的攻擊行為類型。通過本申請的技術方案，能夠訓練出準確可靠的分類器模型，分類器模型能夠準確識別攻擊行為類型。

技術領域

本申請涉及信息安全技術領域，尤其是涉及一種物聯網設備蜜罐系統攻擊分類方法、裝置及設備。

背景技術

物聯網設備包括IPC（Internet Protocol Camera，網絡攝像機）、DVR（DigitalVideo Recorder，硬盤錄像機）和NVR（Network Video Recorder，網絡錄像機）等，隨著互聯網技術的快速發展，網絡中的物聯網設備越來越多，針對物聯網設備的攻擊行為也越來越多。為了對物聯網設備進行有效防護，就需要分析出攻擊行為類型，基于攻擊行為類型對物聯網設備進行有針對性的保護。

機器學習是實現人工智能的一種途徑，是一門多領域交叉學科，用于研究計算機如何模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習更加注重算法設計，使計算機能夠自動地從數據中學習規律，并利用規律對未知數據進行預測。

隨著機器學習技術的提出，可以采用機器學習技術訓練機器學習模型，由機器學習模型輸出針對物聯網設備的攻擊行為類型。而為了訓練機器學習模型，就需要獲取大量訓練數據，基于這些訓練數據訓練機器學習模型。

但是，網絡中針對物聯網設備的數據流，大多數是正常數據流，只有少量攻擊流（即訓練數據），因此，只能使用少量訓練數據對機器學習模型進行訓練，無法訓練出準確可靠的機器學習模型，導致機器學習模型無法準確識別攻擊行為類型。而且，需要人工標定攻擊流的標簽值，人工標定工作量較大。

發明內容

本申請提供一種物聯網設備蜜罐系統攻擊分類方法，所述方法包括：

獲取針對物聯網設備蜜罐系統的攻擊流對應的目標特征向量，將目標特征向量輸入給初始分類器模型的K個一階分類器，得到K個一階分類器輸出的K個分類結果；K個一階分類器用于對K種攻擊行為類型進行分類；初始分類器模型還包括個n階分類器和1個K-1階分類器，n的取值范圍為2至K-2；

若所述K個分類結果對應M種攻擊行為類型，M大于1且小于K，則從初始分類器模型的所有M階分類器中選取目標分類器，所述目標分類器與所述M種攻擊行為類型對應；將目標特征向量輸入給目標分類器，得到目標分類器輸出的分類結果，基于該分類結果確定目標特征向量對應的目標攻擊行為類型；

基于所述目標攻擊行為類型確定目標特征向量的標簽值，基于目標特征向量和該標簽值對初始分類器模型進行訓練，并基于訓練后的分類器模型確定目標分類器模型，該目標分類器模型用于確定待檢測流對應的攻擊行為類型。

示例性的，所述將目標特征向量輸入給初始分類器模型的K個一階分類器，得到K個一階分類器輸出的K個分類結果之后，所述方法還包括：

若所述K個分類結果對應一種攻擊行為類型，則將該攻擊行為類型確定為所述目標特征向量對應的目標攻擊行為類型。

示例性的，所述將目標特征向量輸入給初始分類器模型的K個一階分類器，得到K個一階分類器輸出的K個分類結果之后，所述方法還包括：

若所述K個分類結果對應K種攻擊行為類型，則將所述K-1階分類器選取為目標分類器；將目標特征向量輸入給目標分類器，得到所述目標分類器輸出的分類結果，基于該分類結果確定目標特征向量對應的目標攻擊行為類型。