【技术实现步骤摘要】
本专利技术涉及自动化响应，尤其涉及一种基于ai的安全自动化编排方法。
技术介绍
1、自动化响应
旨在优化自动化网络和信息安全的响应机制，通过自动执行安全策略和过程，能够快速地识别、评估并回应潜在的安全威胁或入侵。核心功能包括实时威胁检测、自动化的威胁处置、以及事件响应流程的自动化管理。通过减少人为干预的需求和提高响应速度，自动化响应技术帮助组织降低安全风险，提升整体的安全防护能力。
2、其中，基于ai的安全自动化编排方法是指使用人工智能技术来增强和优化安全响应流程的方法，利用ai来分析批量的数据，识别出潜在的威胁模式，并进行快速有效的响应。用途包括实现高效的入侵检测、自动化的威胁分析以及响应策略的执行，提高安全运营的效率和有效性，广泛应用于安全运营中心(soc)、企业网络安全等领域，以应对日益复杂的网络安全挑战。
3、现有的自动化响应
虽然实现一定程度的自动化和信息安全管理，但在高度动态和复杂的网络环境中，对于精确识别和迅速响应的需求仍有欠缺。现有技术依赖于预设的安全规则和响应流程，在面对未知或变化迅速的威胁时，导致响应不够及时或不够精确。例如，对于零日攻击和高度复杂的持续威胁(apt)，现有无法有效识别或过于依赖人工干预，错失最佳响应时机。现有技术在处理批量数据时，因为算法和处理逻辑的局限性导致数据处理效率低下，无法实时更新安全策略，影响整个安全防护的实时性和有效性，在实际操作中导致的后果是安全漏洞的存在时间延长，威胁的扩散速度加快，引发更大范围的安全事件，给组织带来更严重的损失。
【技术保护点】
1.一种基于AI的安全自动化编排方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，所述网络行为分析结果包括异常行为的距离度量、数据点的密度分布和数据点的异常程度分级，所述异常评分包括孤立所需的分割次数、数据点的异常概率和在整个数据集中的位置，所述潜在危险标记包括数据点的评分、分类后的异常状态和标记为潜在威胁的数据点列表，所述行为关联模式数据包括差异化时间序列数据点之间的关系、时间依赖性分析结果和潜在威胁的联系评估，所述模型参数更新结果包括调整后的参数值、参数优化前后的性能比较和对异常检测灵敏度的优化，所述危险解决方案包括对安全危险的预测分析结果、制定的应对策略和预期被解决的安全问题。
3.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，基于网络行为数据，利用AI，计算数据点之间的欧氏距离和局部密度，通过距离和密度异常检测筛选数据，得到网络行为分析结果的步骤具体为：
4.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，通过所述网络行为分析结果，对数据特征进行随机选择与随
5.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，采用所述异常评分，通过设置标准阈值比较数据评分，将评分偏离设定阈值的数据点标记为异常，对标记的数据进行分类处理，得到潜在危险标记的步骤具体为：
6.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，根据所述潜在危险标记，通过AI进行时间序列分析，分析差异化数据点间的拟合度，评估潜在威胁的联系，进行安全自动化编排，生成行为关联模式数据的步骤具体为：
7.根据权利要求6所述的基于AI的安全自动化编排方法，其特征在于，所述k均值聚类算法的公式如下：
8.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，利用所述行为关联模式数据，对支持向量机模型参数进行逐项调整，针对识别的异常模式进行参数优化，更新模型优化异常检测的灵敏度，获取模型参数更新结果的步骤具体为：
9.根据权利要求8所述的基于AI的安全自动化编排方法，其特征在于，所述主成分分析技术的公式如下：
10.根据权利要求1所述的基于AI的安全自动化编排方法，其特征在于，基于所述模型参数更新结果，模拟安全危险的发展趋势，针对危险进行预测分析，进行安全自动化编排，并制定应对策略，得到危险解决方案的步骤具体为：
...【技术特征摘要】
1.一种基于ai的安全自动化编排方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于ai的安全自动化编排方法，其特征在于，所述网络行为分析结果包括异常行为的距离度量、数据点的密度分布和数据点的异常程度分级，所述异常评分包括孤立所需的分割次数、数据点的异常概率和在整个数据集中的位置，所述潜在危险标记包括数据点的评分、分类后的异常状态和标记为潜在威胁的数据点列表，所述行为关联模式数据包括差异化时间序列数据点之间的关系、时间依赖性分析结果和潜在威胁的联系评估，所述模型参数更新结果包括调整后的参数值、参数优化前后的性能比较和对异常检测灵敏度的优化，所述危险解决方案包括对安全危险的预测分析结果、制定的应对策略和预期被解决的安全问题。
3.根据权利要求1所述的基于ai的安全自动化编排方法，其特征在于，基于网络行为数据，利用ai，计算数据点之间的欧氏距离和局部密度，通过距离和密度异常检测筛选数据，得到网络行为分析结果的步骤具体为：
4.根据权利要求1所述的基于ai的安全自动化编排方法，其特征在于，通过所述网络行为分析结果，对数据特征进行随机选择与随机分割，通过构建孤立树结构隔离异常点，进行数据的孤立处理，生成异常评分的步骤具体为：
5.根据权利...
【专利技术属性】
技术研发人员：江家栋，
申请(专利权)人：贵州黔云网信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。