基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统制造方法及图纸

本发明专利技术属于网络安全技术领域，特别涉及一种基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统，该方法包含：将攻防演化过程抽象为拟生灭过程QBD，引入学习程度和噪声因子刻画随机扰动下攻防参与者策略学习调整的动态演化轨迹，构建QBD攻防随机演化博弈模型；依据QBD攻防随机演化博弈模型建立拟生灭攻防对抗过程的平衡方程；对平衡方程进行求解，获取拟生灭攻防对抗过程的策略平衡概率分布；依据策略平衡概率分布，得到最具威胁的攻击策略。本发明专利技术更贴近于实际攻防对抗场景，考虑攻防演化过程中随机扰动影响，提出拟生灭攻防随机演化博弈模型，增强预测攻击行为能力，提升攻击预测准确性和模型有效性，对于网络安全技术发展都具有重要指导意义。

Attack prediction method, device and system based on QBD attack defense stochastic evolutionary game model

【技术实现步骤摘要】
基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统
本专利技术属于网络安全
，特别涉及一种基于QBD攻防随机演化博弈模型的攻击预测方法、装置及系统。
技术介绍
在网络安全领域中攻击者利用多种攻击手段对防御系统实施攻击获取更多有价值的信息资源，而防御者则针对攻击者的意图采取不同的防御手段对防御系统进行保护，防止信息资源被攻击者窃取。为了对信息系统进行有效防御，防御者需要事先对攻击行为进行准确预测以避免信息资源遭受巨大损失。网络攻防对抗过程中攻防双方所体现出的目标对立性、策略依存性和关系非合作性与博弈论的基本特征完美契合。因此，博弈论在网络安全领域的研究和应用已成为近年来各专家学者研究的重点和热点。目前，有关博弈论在网络安全领域的研究成果均基于完全理性的假设，认为博弈的攻防参与者完全掌握对手的可选策略及收益结构，通过求解纳什均衡，得到最优响应策略。但是，上述成果并没有考虑现实攻防参与者有限理性的特点，即攻防参与者具备的安全知识、技能水平和获取的博弈信息有限，决策时并不总是推理正确，也不可能在任何情况下根据决策环境的变化做出最优反应，理想化的完全理性假设与实际网络攻防情况不符，本文档来自技高网...

【技术保护点】
1.一种基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，包含如下内容：将攻防演化过程抽象为拟生灭过程QBD，引入学习程度和噪声因子刻画随机扰动下攻防参与者策略学习调整的动态演化轨迹，构建QBD攻防随机演化博弈模型；依据QBD攻防随机演化博弈模型建立拟生灭攻防对抗过程的平衡方程；对平衡方程进行求解，获取拟生灭攻防对抗过程的策略平衡概率分布；依据策略平衡概率分布，得到最具威胁的攻击策略。

【技术特征摘要】
1.一种基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，包含如下内容：将攻防演化过程抽象为拟生灭过程QBD，引入学习程度和噪声因子刻画随机扰动下攻防参与者策略学习调整的动态演化轨迹，构建QBD攻防随机演化博弈模型；依据QBD攻防随机演化博弈模型建立拟生灭攻防对抗过程的平衡方程；对平衡方程进行求解，获取拟生灭攻防对抗过程的策略平衡概率分布；依据策略平衡概率分布，得到最具威胁的攻击策略。2.根据权利要求1所述的基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，QBD攻防随机演化博弈模型通过七元组表示：QBD-ADSEGM＝(Γ,N,S,χ(t),α,β,U)，其中，Γ表示攻防博弈群体，N表示攻防参与者数量，S表示攻防参与者策略空间，χ(t)表示t时刻攻防状态空间，α表示攻防参与者学习程度集合，β表示攻防参与者噪声因子，U表示攻防双方受益函数集合。3.根据权利要求1或2所述的基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，攻防参与者学习程度集合包含用于描述攻击者对攻防信息掌握程度的学习参数和用于描述防御者对攻防信息掌握程度的学习参数；攻防参与者噪声因子，用来描述攻防过程中的随机扰动，并设定攻防参与者噪声因子大于0。4.根据权利要求1所述的基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，依据QBD攻防随机演化博弈模型，构造对应的拟生灭过程，获取拟生灭过程的状态空间，建立平衡方程。5.根据权利要求1或4所述的基于QBD攻防随机演化博弈模型的攻击预测方法，其特征在于，建立平衡方...

【专利技术属性】
技术研发人员：谭晶磊，金辉，张红旗，杨英杰，刘小虎，雷程，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41