[發(fā)明專利]基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)方法與裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110392387.X
• 申請(qǐng)日: 2021-04-13
• 公開（公告）號(hào): CN113076464B
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計(jì)）人: 林紳文;賀敏;毛洪亮;崔佳;徐小磊;王秀文;楊菁林
• 申請(qǐng)（專利權(quán)）人: 國(guó)家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心
• 主分類號(hào): G06F16/953
• 分類號(hào): G06F16/953;G06F16/332;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京慧泉知識(shí)產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮

1.一種基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)方法，其特征在于：該方法步驟如下：

步驟一、構(gòu)建面向暗網(wǎng)、telegram、區(qū)塊鏈交易網(wǎng)絡(luò)的正則化多通道網(wǎng)絡(luò)并進(jìn)行節(jié)點(diǎn)對(duì)齊；

步驟二、基于多通道圖表征重構(gòu)的特征表示學(xué)習(xí)的線索檢測(cè)：

S21、構(gòu)建所述多通道的圖的K近鄰為參考對(duì)象：通過K近鄰方法計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的K近鄰距離作為異常分，即通過考察數(shù)據(jù)點(diǎn)的近鄰關(guān)系來進(jìn)行線索檢測(cè)；即如果K近鄰距離存在異常分，則是存在需要檢測(cè)的異常的線索；

S22、構(gòu)建重構(gòu)編碼器網(wǎng)絡(luò)：將K-近鄰節(jié)點(diǎn)的圖節(jié)點(diǎn)作為輸入，輸入到圖卷積網(wǎng)絡(luò)GCN模型中學(xué)習(xí)該節(jié)點(diǎn)的低維嵌入表示；

S23、構(gòu)建重構(gòu)解碼器網(wǎng)絡(luò)：K近鄰距離作為異常分，即通過考察數(shù)據(jù)點(diǎn)的近鄰關(guān)系來進(jìn)行異常檢測(cè)；解碼器在降維過程中保持?jǐn)?shù)據(jù)點(diǎn)之間的近鄰關(guān)系，即：如果近鄰點(diǎn)在降維之后仍然保持互為近鄰，則該降維器可以適應(yīng)K近鄰檢測(cè)特征；否則不適應(yīng)K近鄰檢測(cè)特征，則為異常；

S24、訓(xùn)練基于圖表征重構(gòu)的特征表示學(xué)習(xí)的線索檢測(cè)模型，使得模型達(dá)到最優(yōu)效果。

2.根據(jù)權(quán)利要求1所述的基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)方法，其特征在于：所述步驟一具體包括：

S11、以暗網(wǎng)實(shí)體信息為種子詞進(jìn)行正則匹配并篩選文本中含有種子詞的實(shí)體；

S12、以telegram實(shí)體信息為種子詞進(jìn)行正則匹配并篩選文本中含有種子詞的實(shí)體；

S13、以區(qū)塊鏈實(shí)體信息為種子詞進(jìn)行正則匹配并篩選文本中含有種子詞的實(shí)體；

S14、以先驗(yàn)正則對(duì)齊三類通道的種子詞的實(shí)體，并進(jìn)行連接構(gòu)建一個(gè)多通道的圖。

3.根據(jù)權(quán)利要求1所述的基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)方法，其特征在于：所述步驟S21是將重構(gòu)誤差作為異常分；定義一個(gè)數(shù)據(jù)點(diǎn)的第K近鄰到它本身的距離為KD(p)，重構(gòu)誤差為R(p),整個(gè)數(shù)據(jù)集中最大的重構(gòu)誤差為R_max,最小的為R_min，則異常分為：

4.根據(jù)權(quán)利要求1所述的基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)方法，其特征在于：所述步驟S22采用的圖卷積網(wǎng)絡(luò)為常規(guī)的圖卷積網(wǎng)絡(luò)；輸入為圖節(jié)點(diǎn)，輸出為圖節(jié)點(diǎn)的表示；圖節(jié)點(diǎn)的表示將用來進(jìn)行下一步驟的異常計(jì)算。

5.一種實(shí)現(xiàn)權(quán)利要求1所述的方法的基于重構(gòu)編碼異常檢測(cè)的多通道網(wǎng)絡(luò)線索發(fā)現(xiàn)裝置，其特征在于，該裝置包括：多通道網(wǎng)絡(luò)構(gòu)建與對(duì)齊模塊、多通道圖表征重構(gòu)的特征表示學(xué)習(xí)的線索檢測(cè)模塊；

所述多通道網(wǎng)絡(luò)構(gòu)建與對(duì)齊模塊，用于面向暗網(wǎng)、telegram、區(qū)塊鏈交易網(wǎng)絡(luò)的正則化多通道網(wǎng)絡(luò)構(gòu)建與節(jié)點(diǎn)對(duì)齊；

所述多通道圖表征重構(gòu)的特征表示學(xué)習(xí)的線索檢測(cè)模塊，用于根據(jù)構(gòu)建的多通道網(wǎng)絡(luò)，基于學(xué)習(xí)好的多通道圖表征重構(gòu)的特征表示學(xué)習(xí)模型進(jìn)行線索檢測(cè)；具體包括：線索檢測(cè)輸入的K-近鄰多通道網(wǎng)絡(luò)，近鄰編碼器，嵌入表示矩陣，近鄰解碼器，K-近鄰重構(gòu)多通道網(wǎng)絡(luò)，線索檢測(cè)打分器。