CN119449428A 跨域网络安全策略自动生成与防护策略协同方法及系统 （苏州赛洛特数字科技有限公司）

城南天成路68号新翼广场1幢2108-1室跨域网络安全策略自动生成与防护策略协本发明提供跨域网络安全策略自动生成与图谱；利用深度学习算法生成跨域安全风险评2针对所述域间安全风险系数，确定域间访问控制规则集，所述域间访问控制规则集和所述域内防护策略组合形在多个网络域的安全设备上部署所述跨域协同防护策略；建立域间安全信息共享通在多个网络域部署双网卡安全探针，所述双网卡安全探流量，所述双网卡安全探针采用零拷贝技术进行数据包捕获，所述双网卡安全探针设置对所述安全事件数据和所述网络流量数据进行特征工程处理，所数据标准化处理和特征提取处理；将经过所述特征工程处理的数据构建为多维特征向量，基于所述特征矩阵构建安全威胁图谱，从所述特征矩阵中提取攻击构建图注意力网络模型，所述图注意力网络模型包括3基于所述图注意力网络模型分析域间攻击路径特征、域间异常流量构建路径表示学习模型，所述路径表示学习模型对提取所述源域和所述目标域之间的流量统计特征，利用长短分析所述源域和所述目标域的历史交互信息，对所述路径嵌入矩阵、所述异常程度得分和所述信任度得分进行标准输出层，所述隐藏层的输出经过随机失活处理后输入至所述输出层，所述输出层采用采用多层级脆弱性评估方法分析域内资产脆弱性信息，所述多层4护能力评估矩阵进行规范化处理并加权计算建立基于多源数据融合的威胁评估模型分析域内威胁暴露程度信对所述资产脆弱性综合得分、所述安全防护能力得分和所述威胁暴根据源域历史通信质量、异常事件频率和安全合规性评分建立多维对目标域内资产进行安全等级划分建立资源访问矩阵，根据源收集域间历史流量数据建立流量基线模型，所述流量基线模制定系统层面的操作系统安全基线配置、补丁建立包含协议分布特征、数据包长度分布和会话行为特征的分析已知攻击样本提取攻击特征串和行为模式建立特征库，建立所述域间访问控制规则集和所述域内防护策略的策略依赖关5在域间访问控制层面采集规则命中率、误拦截率和访问延迟将防护环境建模为马尔可夫决策过程，将所述策略执行状态向量构策略参数调整选项构建为动作空间，基于防护效果和资源开销设计奖励函数，采用双层维护主网络参数和目标网络参数，将所述主网络参数用于络更新频率和更新步长对所述目标网络参数进行软更新，实现梯度裁剪防止策略参数震设计探索率分段衰减曲线，训练初期采用第一衰减速率进行随机探索，训练动时间窗口内计算所述评估指标的统计特征，通过指标归一化和加权组合得到综合评分，基于所述综合评分调整所述奖励函数权重和所述探在测试环境中对优化后的防护策略进行仿真测试和压力测8.跨域网络安全策略自动生成与防护策略协同系统，用于实现前述权利要求1_7中任第一单元，用于采集多个网络域的安全事件数据，所述第三单元，用于在多个网络域的安全设备上部署所述跨域协6其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意7将所述域间访问控制规则集和所述域内防护策略组合形8[0015]基于所述特征矩阵构建安全威胁图谱，从所述特征矩阵中提取攻击者信息节点、[0017]利用深度学习算法对所述安全威胁图谱进行分析，生成所述跨域网络安全风险评分包括域间安全风险系数和域内安全脆弱法运算得到注意力权重；采用所述图卷积层对具有所述注意力权重的节点进行特征聚合，9igmoid激活函数输出所述域间安法包括对系统层面的操作系统漏洞、补丁状态和系统配置进行评估，对应用层面的Web应所述防护能力评估矩阵进行规范化处理并加权计算得到安全防护能力将所述域间访问控制规则集和所述域内防护策略组合形成跨域协同[0035]根据源域历史通信质量、异常事件频率和安全合规性评分建立多维信誉评估模全脆弱性指数调整过滤策略生成流量清洗规则；[0045]将防护环境建模为马尔可夫决策过程，将所述策略执行状态向量构建为状态空所述测试结果验证策略可靠性，将验证通过的所述防护策略通过灰度发布推送至生产环[0070]图1为本发明实施例跨域网络安全策略自动生成与防护策略协同方法的流程示意[0071]图2为本发明实施例跨域网络安全策略自动生成与防护策略协同系统的结构示意[0074]图1为本发明实施例跨域网络安全策略自动生成与防护策略协同方法的流程示意[0077]S103.在多个网络域的安全设备[0079]首先,采集多个网络域的安全事件数据。具体地,通过在各个网络域部署安全探数据库服务器,攻击时间为2023_01_0112:00:是节点的低维向量表示。基于学习到的向量表示,计算域间节点相似度作为域间安全系数,计算域内节点聚类系数作为域内安全脆弱性指数。最终得到包含域间安全风险系数对域内资产进行优先级排序,为高风险资产制定加固规则,如关闭非必要端口、更新补丁正则表达式规则。[0087]监控跨域协同防护策略的防护效果,获取策略执行反馈数据。具体方法包括:首[0088]根据策略执行反馈数据,利用强化学习算法对跨域协同防护策略进行优化调整。将优化后的策略转换为增量更新指令。然后,通过安全管理平台向各域安全设备下发更新度学习分析,可以精确刻画多个网络域之间的安全关联关系和风险传播路径,为制定防护[0094]在一种可选的实施方式中,采集多个网络域[0097]基于所述特征矩阵构建安全威胁图谱，从所述特征矩阵中提取攻击者信息节点、[0116]为了高效存储和处理这些高维稀疏的特征向量，采用压缩稀疏矩阵(CompressedSparseRow,CSR)存储结构。CSR使用三个一维数组来表示稀疏矩阵全面立体地描述了网络安全威胁的各个方面，有助于深入理解和分析复杂的网络攻击行[0134]在一种可选的实施方式中,利用法运算得到注意力权重；采用所述图卷积层对具有所述注意力权重的节点进行特征聚合，数，具体方法是将查询向量与键向量进行点积运算，再经过softmax归一化得到注意力分安全风险评分。可以采用线性组合的方式进行融合，例如设置域间安全风险系数权重为[0150]在一种可选的实施方式中,基于所述图注意力网络模型分析域间攻击路径特征、[0156]首先,构建路径表示学习模型,对源域和目标域之间的攻击路径进行分析。具体地,采用深度优先搜索算法遍历源域和目标域之间的所有可能攻击路径,对每条路径上的然后,计算每条攻击路径的重要性权重,可基于路径长度、节点重要性等因素进行综合评时间点的特征序列。然后,利用长短期记忆网络对流量统计特征进行时序特征提取。具体意力分数。将注意力分数通过softmax函数归一化,得到最终的注意[0160]最后,将转换特征向量与注意力权重进与对应的注意力权重相乘,然后将结果相加得到融合特征向量。将融合特征向量输入深度[0162]1)通过构建路径表示学习模型,全面分析了源域和目标域之间的攻击路径特征,[0163]2)结合长短期记忆网络和聚类算法,实现了对域间异常流量的精准识别,提高了[0164]3)采用图注意力机制和深度神经网络,对多维特征进行自适应融合,生成了更加[0165]在一种可选的实施方式中,分析域内资产脆述域内威胁暴露程度信息生成域内安全脆弱法包括对系统层面的操作系统漏洞、补丁状态和系统配置进行评估，对应用层面的Web应所述防护能力评估矩阵进行规范化处理并加权计算得到安全防护能力[0175]接下来,基于防护深度与广度评估[0185]将深度评估和广度评估[0186]然后,建立基于多源数据融合的威胁评[0190]最后,建立分级映射机制,将连续的指数值映射到离散的风险等级。例如可将0_[0193]2)引入交叉项权重系数,构建非线性组合函数,更加精确地刻画了各因素之间的[0194]3)将连续指数映射到离散风险等级,便于直观理解和快速决策,提高了评估结果[0195]在一种可选的实施方式中,针对所述域间安全风险系[0196]根据源域历史通信质量、异常事件频率和安全合规性评分建立多维信誉评估模全脆弱性指数调整过滤策略生成流量清洗规则；[0209]收集至少90天的域间历史流量数据,建立流量基线模型。该模型包含:流量总量[0210]将源域白名单、目标域访问权限和域间流量[0211]接下来,针对域内安全脆弱性指数,生成域内防护策略。该策略包括资产加固规[0213]流量清洗规则基于正常流量模型制定。该模型包含协议分布特征(如HTTP占比应在15％_25％之间)、数据包长度分布(如TCP包平均长度在500_1500字节之间)和会话行为到该IP存在恶意行为时,根据风险评估结果决定是否阻断该IP的访问。通过这种方式解决测和解决策略冲突；基于优先级和风险评估进行策略仲裁,确保了跨域协同防护策略的一[0222]在一种可选的实施方式中,根据所述策略执[0224]将防护环境建模为马尔可夫决策过程，将所述策略执行状态向量构建为状态空所述测试结果验证策略可靠性，将验证通过的所述防护策略通过灰度发布推送至生产环截或放行的比例,误拦截率表示错误拦截合法访问的比例,访问延迟时间表示访问请求的功检测出攻击的比例,防护成功率表示成功阻止攻击的比例,系统资源开销表示防护过程[0232]通过分布式数据采集探针实时获取上述部署在各网络节点和防护设备上,通过埋点方式收集相关日志和性能数据。对原始数据进[0233]接下来,将防护环境建模为马尔可夫决[0234]采用双层LSTM结构提取时序特征,第一层LSTM编码单个防护维度的时序信息,第二层LSTM融合不同维度的信息。结合注意力机制处理不同防护维度的相关性,对重要维度态四元组。根据时间德尔塔误差计算样本的TD误差,TD误差越大的样本具有更高的采样权值。通过调整目标网络的更新频率和更新步长对目标网络参数进行软更新,避免目标值剧