CN119155099B 基于人工智能的网络攻防决策支持方法及系统 （博智安全科技股份有限公司）

基于人工智能的网络攻防决策支持方法及本发明提供一种基于人工智能的网络攻防案进行安全性和可行性分析，选择最优防御方案，将所述最优防御方案细化为具体的实施步2获取网络拓扑信息和设备配置信息，构建网络环境数字孪生模型基于防御策略的有效性评估结果，使用多目标优化算法生成多个获取网络拓扑信息和设备配置信息，构建网络环境数字孪生模型基于所述多层次网络环境数字孪生模型，持续采集网络流量数基于所述网络安全态势评估报告，构建网络攻防领域知识图谱将所述初始防御策略集应用于网络环境数字孪生模型，通过对抗在网络环境数字孪生模型中，构建防御博弈模型，其中博弈设计调度算法，实时监测网络环境数字孪生模型中虚拟节点的计算资源3利用对抗生成网络在网络环境数字孪生模型中进行多轮攻防演练，模拟攻防对抗过采用多阶段博弈模型，将模拟攻防对抗过程划分为多个阶段，在每基于网络攻防领域知识图谱，通过因果发现和因果推理技术提取攻使用图神经网络对网络攻防领域知识图谱和因果知识图谱进在策略网络推断攻击决策时，将当前环境状态映射到网络攻建立联邦学习框架，联邦学习框架包含多个防御节御节点包括防火墙和入侵检测系统，各防御节点基于自身采集到的本地数据训练局部模各防御节点通过安全通信协议将加密局部模型防御节点接收全局模型参数作为初始化参数，利用本地4各防御节点基于最终的联合模型参数和初始分布式防56.一种基于人工智能的网络攻防决策支持系统，用于实现前述权利要求1_5中任一项第二单元，用于利用图神经网络分析所述攻击图谱第三单元，用于基于防御策略的有效性评估结果，使用多其中，所述处理器被配置为调用所述存储器存储的指令，以执行序指令被处理器执行时实现权利要求1至56述初始防御策略集应用于网络环境数字孪生模型，通过对抗生成网络进行多轮攻防演练，[0009]基于防御策略的有效性评估结果，使用多目标优化算法7主观权重与客观权重进行加权平均得到综合权重，基于综合权重计算网络安全态势得分，8[0034]各防御节点基于最终的联合模型参数和初始分布式防御并利用更新后的本地防御模型对实时网络流量进行异常检测和攻击识别，得到检测结果，由中心服务器基于各防御节点的检测结果，结合网络环境数字孪生模型中的攻防演练经[0036]基于防御策略的有效性评估结果，使用多目标优化算法9[0038]利用预处理后的多维数据集，设计分层自编码器网络结表示第a个目标函数的权重系数，fa(x)表示候选方案x在第a个目标函数上的得分，主观权重与客观权重进行加权平均得到综合权重，基于综合权重计算网络安全态势得分，[0084]在获得了丰富的网络攻防知识后，就可以将攻击过程建合理分配各安全指标的重要性权重，最终得到一个面向具体业务场景需求的量化安全评认证等关键薄弱环节。生成初始防御策略，包括部署EDR(EndpointDetectionand[0114]为了在真实的攻防对抗中验证动态防御策略的有效性，[0116]考虑到现实中的网络攻防往往是一个多阶段的过程，本方案采用多阶段博弈模型，对攻防对抗过程进行时序划分和分析。例如，可以将一次APT(AdvancedPersistent[0124]各防御节点基于最终的联合模型参数和初始分布式防御并利用更新后的本地防御模型对实时网络流量进行异常检测和攻击识别，得到检测结果，由中心服务器基于各防御节点的检测结果，结合网络环境数字孪生模型中的攻防演练经御节点和一个中心服务器的系统架构。防御节点包括防火墙和入侵检测系统等安全设备，[0126]在训练过程中，各防御节点会根据自己的数据量和模型并使用同态加密算法对这些参数进行加密处理。这种加密处理确保了在数据传输过程中，[0132]S103.基于防御策略的有效性评估结果，使[0134]基于防御策略的有效性评估结果，使用多目标优化算法[0136]利用预处理后的多维数据集，设计分层自编码器网络结数据源的时间戳校准到统一的时间轴上。校准后的数据被整合成一个统一的多维数据集，善于挖掘多维时间序列数据的长期依赖关系，可以刻画网络行为在时间维度上的演化规表示第a个目标函数的权重系数，fa