一种聚合式持续分析自动发现恶意攻击源的方法

戴海燕

摘 要

针对高威胁网络安全事件隐蔽性强、攻击手法多样难以早期发现的问题，研究多维度分析评价及自动筛选高威胁目标的方法，采用具备对高威胁目标进行历史事件关联的持续监督技术，实现高威胁网络安全事件的早期发现，提升安全预警能力。本文提出了一种聚合式持续分析自动发现恶意攻击源的方法，该方法提出了一种新的威胁度计算模型，该计算模型综合了攻击源多维度的信息，利用机器学习中的回归分析方法，针对具体的网络安全环境，可训练出具体的威胁度计算模型，利用计算得到的模型，可对未知的攻击源，实时进行威胁度的计算，通过威胁度的大小来自动识别恶意的攻击源。

【关键词】聚合式持续分析 恶意攻击源 攻击手段

1 背景分析

随着大数据技术的快速发展，使得数据采集技术以及大数据存储得到快速的发展，将之前各个安全设备、网络设备、防病毒设备、服务器等孤立的安全告警事件，進行了汇集，希望通过关联分析的技术，机器学习技术，发现高威胁的网络安全事件，定位高威胁的攻击源。

目前现有的方法，主要是基于攻击特征的检测，发现攻击行为来定位攻击源，通过攻击行为的威胁程度来定位攻击源的威胁程度，但是攻击者采用的攻击手段不断变化，而且攻击过程会体现反复持续的过程，只是通过实时的告警事件，来定位一个攻击源的威胁程度，会面临这样几个问题，一是由于安全设备的误报，会导致上报了大量的攻击源，对所有的攻击源进行确认，是个非常浩大的工程；……