• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

隐私保护的基于图卷积神经网络的攻击溯源方法

李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰

李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰. 隐私保护的基于图卷积神经网络的攻击溯源方法[J]. 计算机研究与发展, 2021, 58(5): 1006-1020. DOI: 10.7544/issn1000-1239.2021.20200942
引用本文: 李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰. 隐私保护的基于图卷积神经网络的攻击溯源方法[J]. 计算机研究与发展, 2021, 58(5): 1006-1020. DOI: 10.7544/issn1000-1239.2021.20200942
shu
Li Teng, Qiao Wei, Zhang Jiawei, Gao Yiyang, Wang Shenao, Shen Yulong, Ma Jianfeng. Privacy-Preserving Network Attack Provenance Based on Graph Convolutional Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1006-1020. DOI: 10.7544/issn1000-1239.2021.20200942
Citation: Li Teng, Qiao Wei, Zhang Jiawei, Gao Yiyang, Wang Shenao, Shen Yulong, Ma Jianfeng. Privacy-Preserving Network Attack Provenance Based on Graph Convolutional Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1006-1020. DOI: 10.7544/issn1000-1239.2021.20200942
shu
李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰. 隐私保护的基于图卷积神经网络的攻击溯源方法[J]. 计算机研究与发展, 2021, 58(5): 1006-1020. CSTR: 32373.14.issn1000-1239.2021.20200942
引用本文: 李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰. 隐私保护的基于图卷积神经网络的攻击溯源方法[J]. 计算机研究与发展, 2021, 58(5): 1006-1020. CSTR: 32373.14.issn1000-1239.2021.20200942
shu
Li Teng, Qiao Wei, Zhang Jiawei, Gao Yiyang, Wang Shenao, Shen Yulong, Ma Jianfeng. Privacy-Preserving Network Attack Provenance Based on Graph Convolutional Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1006-1020. CSTR: 32373.14.issn1000-1239.2021.20200942
Citation: Li Teng, Qiao Wei, Zhang Jiawei, Gao Yiyang, Wang Shenao, Shen Yulong, Ma Jianfeng. Privacy-Preserving Network Attack Provenance Based on Graph Convolutional Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1006-1020. CSTR: 32373.14.issn1000-1239.2021.20200942
shu

隐私保护的基于图卷积神经网络的攻击溯源方法

  • 1(西安电子科技大学网络与信息安全学院 西安 710071)

  • 2(西安电子科技大学计算机科学与技术学院 西安 710071)

  • 3(西安电子科技大学人工智能学院 西安 710071) (litengxidian@gmail.com)

基金项目: 国家自然科学基金青年科学基金项目(61902291)；中国博士后基金项目(2019M653567);陕西省自然科学基金项目(2019JM-425)；中央高校基本科研业务费专项资金(JB191507)
详细信息

  • 中图分类号: TP18; TN915.08

Privacy-Preserving Network Attack Provenance Based on Graph Convolutional Neural Network

  • 1(School of Cyber Engineering, Xidian University, Xi’an 710071)

  • 2(School of Computer Science and Technology, Xidian University, Xi’an 710071)

  • 3(School of Artificial Intelligence, Xidian University, Xi’an 710071)

Funds: This work was supported by the National Natural Science Foundation of China (61902291), the China Postdoctoral Science Foundation (2019M653567), the Natural Science Foundation of Shaanxi Province of China (2019JM-425), and the Fundamental Research Funds for the Central Universities (JB191507).

摘要

    摘要
  • 摘要: APT(advanced persistent threat)攻击潜伏时间长，目的性强，会通过变种木马、勒索病毒、组建僵尸网络等手段从内部瓦解企业安全堡垒.但现有攻击溯源方法都只针对单一日志或流量数据，这导致了无法追溯多阶段攻击的完整过程.并且因为日志条目间关系复杂，日志关系图中会产生严重的状态爆炸问题，导致难以对攻击进行准确的分类识别.同时，在利用日志及流量数据进行攻击溯源过程中，很少考虑到数据隐私保护问题.为解决这些问题，提出了一种具有隐私保护的基于图卷积神经网络的攻击溯源方法.通过监督学习解决了因多日志关系连接导致的状态爆炸，对Louvain社区发现算法进行优化从而提高了检测速度及准确性，利用图卷积神经网络对攻击进行有效的分类，并结合属性基加密实现了日志数据的隐私保护.通过复现4种APT攻击测试方法来检测速度和效率.实验结果表明：该方法的检测时间最多可有90%的缩减，攻击溯源准确率可达92%.
    Abstract: APT(advanced persistent threat) attacks have a long incubation time and a vital purpose. It can destroy the inside’s enterprise security fortress, employing variant Trojans, ransomware, and botnet. However, the existing attack source tracing methods only target a single log or traffic data, making it impossible to trace the complete process of multi-stage attacks. Because of the complicated log relationship, serious state explosion problems will occur in the log relationship graph, making it difficult to classify and identify attacks accurately. Simultaneously, data privacy protection is rarely considered in using log and traffic data for attack tracing approaches. We propose an attack tracing method based on a Graph Convolutional Network (GCN) with user data privacy protection to solve these problems. Supervised learning solves the state explosion caused by multiple log relationship connections, optimizing the Louvain community discovery algorithm to improve detection speed and accuracy. Moreover, using map neural networks to attack classification effectively and combining privacy protection scheme leveraging CP-ABE (Ciphertext-Policy Attribute Based Encryption) properties realize log data secure sharing in public cloud. In this paper, the detection speed and efficiency of four APT attack testing methods are reproduced. Experimental results show that the detection time of this method can be reduced by 90% at most, and the accuracy can reach 92%.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(17)

  • 期刊类型引用(12)

    1. 杨秀璋，彭国军，刘思德，田杨，李晨光，傅建明. 面向APT攻击的溯源和推理研究综述. 软件学报. 2025(01): 203-252 . 百度学术
    2. 季一木，张嘉铭，杨倩，杜宏煜，邵思思，张俊杰，刘尚东. 高级持续性威胁检测与分析方法研究进展. 南京邮电大学学报(自然科学版). 2025(01): 1-11 . 百度学术
    3. 颜清，李金讯，陈诗. 一种多元信息流异常数据聚类修正方法与仿真. 计算机仿真. 2025(01): 258-262 . 百度学术
    4. 喻皓. 基于人工智能的图卷积神经网络故障诊断方法研究. 自动化与仪器仪表. 2024(03): 72-76 . 百度学术
    5. 曲鹏. 基于自适应包标记的通信网络DDoS攻击溯源方法. 网络安全技术与应用. 2024(05): 10-12 . 百度学术
    6. 张婷婷，王智强. 基于支持隐私保护的网络信息安全传输仿真. 计算机仿真. 2024(05): 415-418+464 . 百度学术
    7. 李伯恺. 基于优化蜂群算法的隐蔽性网络攻击行为自适应辨识模型. 电子设计工程. 2024(16): 97-101 . 百度学术
    8. 胡斌，马平，王越，杨浩. 基于SIR模型的无线网络安全威胁态势量化评估算法. 吉林大学学报(信息科学版). 2024(04): 710-716 . 百度学术
    9. 白磊. 多样入侵下内部网络攻击追踪溯源方法设计. 现代计算机. 2024(12): 42-46 . 百度学术
    10. 曹新立，阎峻，孙领，丁晓玲. 基于深度学习与遗传算法的IoT环境多层次威胁溯源方法. 太赫兹科学与电子信息学报. 2024(12): 1394-1399 . 百度学术
    11. 盛江明，薛娟，李鹏，伊娜. 基于时空图卷积神经网络的蛋白质复合物识别方法. 南方医科大学学报. 2022(07): 1075-1081 . 百度学术
    12. 葛维静，冯园园，刘宗洋，许贤龙，张译，刘洋. 一种基于网络流量风险数据聚类的APT攻击溯源方法. 通信技术. 2022(10): 1354-1362 . 百度学术

    其他类型引用(5)

    • 资源附件(0)
计量
  • 文章访问数:  1044
  • HTML全文浏览量:  14
  • PDF下载量:  776
  • 被引次数: 17
出版历程
  • 发布日期:  2021-04-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(17)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计