CN116032560B 基于有向异构图语义汇聚模型的伪装通信流量检测方法 （南京理工大学）

基于有向异构图语义汇聚模型的伪装通信本发明公开了一种基于有向异构图语义汇义进行汇聚，实现伪装通信服务节点的综合决2步骤1，基于五元组信息将输入流量样本分流处理为N条步骤4，利用基本的自动编码器对步骤2生成的高维稀疏步骤6，基于步骤2提取的包长度与方向序列、包间2.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其3.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其4.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其M为每条流量提取的有效负载数据包的个数，该值先取所有会话流量中最小的数据包求得相邻包频域向量之间的Person相关系数与KL散度值作为衡量包间负载相似度的特征5.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其6.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其3将高维稀疏特征矩阵X作为自动编码器的输入，m层编码器生成7.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其8.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其9.根据权利要求1所述的基于有向异构图语义汇聚模型的伪装通信流量检测方法，其特征在于，步骤7中针对可疑服务节点的环境语义层面的伪装通信目标要素进行可疑语义对于开放端口，通过来进行可疑语义表征，对于端口流量分布，通过全流量分析筛选出可疑服务节点流量需要各层可疑语义表征汇聚至层中新节点后向上层进行语义汇聚并逐层汇聚至语义汇聚4态为HTTPS协议流量，还利用社交网站、代码托管平台等各类公共资源服务器构建通信信5[0011]步骤5，逐流提取伪装协议的关键字段指纹信息进行报文格式层面的可疑语义表[0016]1)通过KNN算法构建流量结构图，将流量自身特征与流量间的结构特征进行了融头注意力机制允许自动学习各顶点与邻居节点之间的深层次特征相似度来确定节点特征模型并构建伪装通信服务节点的全域可疑语义汇聚模型，能够很好的识别伪装通信流量。[0024]图1为基于多头图自注意力机制伪装通信流量检测方法流程示意图。该方法包括6算法选取前k个相似节点构建流量结构图，实现流量自身特征与多条流量间的相似度特征[0032]目标要素节点语义表征的层次化汇聚：对各层目标要素[0033]具体地，本发明提供一种基于有向异构图语义汇聚模型的伪装通信流量检测方低维密集特征矩阵Y，再结合步骤3生成的邻接矩阵A构建多头图自注意力卷积神经网络模[0038]步骤5，逐流提取伪装协议的关键字段指纹信息进行报文格式层面的可疑语义表[0045]M为每条流量提取的有效负载数据包的个数，该值可先取所有会话流量中最小的7达时间在内的时间特征。逐流提取相邻包前nbytes的负载比特序列并进行DFT变换得到频[0046]进一步地，步骤3基于步骤2生成的流量样本的特征矩阵X构建KNN流量图G，具体[0047]进一步地，步骤4构建多头图自注意力卷积神经网络模型，初步识别伪装通信流[0053]进一步地，步骤7中针对可疑服务节点的环境语义层面的伪装通信目标要素进行[0054]对于开放端口通过来进行可疑语义表[005