[發(fā)明專利]一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法

在審

• 申請?zhí)枺?/td>: 202211523481.5
• 申請日: 2022-11-30
• 公開（公告）號: CN116248308A
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計）人: 林夕;伍軍;付培玉;申小朋
• 申請（專利權(quán)）人: 上海交通大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/047;G06N3/08;H04L9/32;H04L41/14;H04L67/12
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 蔡彭君

1.一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，包括以下步驟：

擴展零信任網(wǎng)絡(luò)架構(gòu)的覆蓋維度，構(gòu)建零信任網(wǎng)絡(luò)架構(gòu)；

基于零信任網(wǎng)絡(luò)架構(gòu)建立零信任物聯(lián)網(wǎng)網(wǎng)絡(luò)；

在零信任物聯(lián)網(wǎng)網(wǎng)絡(luò)運行狀態(tài)下收集各個維度的特征；

構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的邊緣智能決策模型，并利用各個維度的特征進行訓(xùn)練；

根據(jù)訓(xùn)練得到的邊緣智能決策模型對網(wǎng)絡(luò)請求進行周期性的持續(xù)校驗，實現(xiàn)對網(wǎng)絡(luò)請求的持續(xù)認證。

2.根據(jù)權(quán)利要求1所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述零信任網(wǎng)絡(luò)架構(gòu)的覆蓋維度包括請求主體維度、請求客體維度、行為維度、環(huán)境維度以及物理實體維度。

3.根據(jù)權(quán)利要求2所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述請求主體維度指會話中發(fā)起請求的一方，主體維度的特征包括主體的身份、預(yù)設(shè)的權(quán)限；

所述請求客體維度指會話中交換的資源，客體維度的特征包括資源價值、需求程度、危害等級；

所述行為維度指會話期間主體和客體對資源的各種操作以及引起環(huán)境動態(tài)變化的各種事件的記錄；

所述環(huán)境維度指網(wǎng)絡(luò)和現(xiàn)實世界中的會話安全相關(guān)的信息；

所述物理實體維度指網(wǎng)絡(luò)中設(shè)備的安全相關(guān)配置。

4.根據(jù)權(quán)利要求1所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述零信任物聯(lián)網(wǎng)網(wǎng)絡(luò)包括受信任的資源區(qū)、非受信的零信任區(qū)域和訪問策略控制點，決策控制點中包含邊緣智能決策模型和持續(xù)認證方案，所述持續(xù)認證方案根據(jù)不同維度的特征，分別對客體的安全等級和主體的信任等級進行評價，通過匹配安全級別和信任級別來驗證會話；持續(xù)認證方案定期執(zhí)行評估操作，并將評估結(jié)果提供給策略執(zhí)行點以執(zhí)行基于零信任的決策操作。

5.根據(jù)權(quán)利要求1所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，使用基于神經(jīng)網(wǎng)絡(luò)的決策樹算法建立邊緣智能決策模型，并利用各個維度的特征進行訓(xùn)練，具體包括以下步驟：

基于特征預(yù)處理和映射結(jié)果構(gòu)建層次結(jié)構(gòu)；

計算概率路徑；

將預(yù)訓(xùn)練模型加載到經(jīng)典決策樹的節(jié)點上，構(gòu)建誘導(dǎo)層次結(jié)構(gòu)，使用歸一化指數(shù)函數(shù)計算決策樹的最終決策概率，其中，所述預(yù)訓(xùn)練模型為訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型；

引入樹監(jiān)督損失對邊緣智能決策模型進行訓(xùn)練。

6.根據(jù)權(quán)利要求5所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述特征預(yù)處理為對不同維度的特征數(shù)據(jù)進行歸一化處理，具體的：

獲取不同維度的原始特征數(shù)據(jù)：

θ_ij,i∈[1,5],j∈R

其中，θ_ij為不同維度收集的原始特征數(shù)據(jù)，共計5個覆蓋維度，為某一維度的原始特征組成的向量，為單次采樣五個維度特征向量組成的特征集合；

使用L2范數(shù)對原始特征數(shù)據(jù)進行歸一化處理，去除不同特征維度的單位：

其中，為歸一化后某一維度的特征組成的向量，為歸一化后五個維度特征向量組成的特征集合。

7.根據(jù)權(quán)利要求6所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述計算概率路徑的方法為：對于一次采樣的特征集合和節(jié)點i，其子節(jié)點j∈C(i)的概率由softmax內(nèi)積計算得到：

其中，為節(jié)點的權(quán)重，根據(jù)葉子結(jié)點k∈L(i)及其初始權(quán)重ω_k計算得到，其表達式為：

對于葉子結(jié)點k，尋找所有可能的路徑P_k，其路徑概率即為：

8.根據(jù)權(quán)利要求7所述的一種基于零信任和邊緣智能的物聯(lián)網(wǎng)持續(xù)認證方法，其特征在于，所述使用歸一化指數(shù)函數(shù)計算決策樹的最終決策概率的表達式為：