基于攻击上下文分析的多阶段攻击趋势预测

来源：计算机技术与发展杂志2023年第07期北京时间：

作者：朱光明;卢梓杰;冯家伟;张向东;张锋军;牛作元;张亮

单位：1. 西安电子科技大学 计算机科学与技术学院,陕西 西安 710071;2. 西安电子科技大学 通信工程学院,陕西 西安 710071;3. 中国电子科技集团公司第三十研究所,四川 成都 610041

摘要：高级可持续威胁(Advanced Persistent Threat,APT) 等多阶段攻击具有复杂多样性和隐蔽持续性的特点,给网络安全带来了极大的威胁。 研究攻击方的攻击策略并对其后续攻击步骤进行预测,是防御方的一个重要研究课题。 针对多阶段攻击趋势预测难的问题,该文提出了基于攻击上下文分析的多阶段攻击趋势预测算法,从系统日志中梳理攻击上下文并对后续的攻击趋势进行预测。 该算法先通过因果图构建、异常日志序列提取、抽象文本表示等步骤实现对已有攻击上下文的分析,然后基于已经检测到的攻击序列,利用 Transformer 模型对后续攻击趋势进行预测。 在开源的 ATLAS 数据集和 HDFS 数据集上对算法进行了验证。 在 ATLAS 数据集的超过 7 000 个序列中,该算法的单步预测准确率可达 90% 以上,五步预测准确率也能达到 74% 。 实验表明基于攻击上下文分析的攻击趋势预测是一种可行的方法,为网络攻击预测研究提供了一种新思路。

关键词：网络安全;因果图;攻击预测;自然语言处理;Transformer