发明

一种基于图注意力模型的高级持续威胁检测方法及装置2026

2024-04-11 07:32:29 发布于四川 3
  • 申请专利号:CN202410076841.4
  • 公开(公告)日:2026-05-26
  • 公开(公告)号:CN117857200A
  • 申请人:西安电子科技大学|||广州链融信息技术有限公司
摘要:本发明提供了一种基于图注意力模型的高级持续威胁检测方法及装置,使用GAT网络处理数据来源图中的节点数据,利用子模型输出对应节点的预测类型概率;如果选择的子模型存在没有输出节点的预测类型的情况,则选择的另一子模型得到节点的预测类型概率;将预测类型概率大于阈值的预测类型确定为节点的真实类型。本发明将注意力机制引入图神经网络中,在图神经网络中能够用注意力机制学习和更新节点特征,能够更好地提取和学习良性节点的特征,并且本发明的子模型是使用良性节点训练得到,在检测阶段不需要提前获取异常节点的信息,对于未被发现的零日漏洞也具备同样的检测效果,能够成功检测攻击者使用的新型攻击方式和零日漏洞。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117857200 A (43)申请公布日 2024.04.09 (21)申请号 202410076841.4 (22)申请日 2024.01.18 (71)申请人 西安电子科技大学 地址 710071 陕西省西安市太白南路2号 申请人 广州链融信息技术有限公司 (72)发明人 肖阳 张一洲 赵搏文 冯杰  裴庆祺  (74)专利代理机构 西安嘉思特知识产权代理事 务所(普通合伙) 61230 专利代理师 勾慧敏 (51)Int.Cl. H04L 9/40 (2022.01) G06N 3/045 (2023.01) G06F 18/214 (2023.01) 权利要求书2页 说明书7页 附图3页 (54)发明名称 一种基于图注意力模型的高级持续威胁检 测方法及装置 (57)摘要 本发明提供了一种基于图注意力模型的高 级持续威胁检测方法及装置,使用GAT网络处理 数据来源图中的节点数据,利用子模型输出对应 节点的预测类型概率;如果选择的子模型存在没 有输出节点的预测类型的情况,则选择的另一子 模型得到节点的预测类型概率;将预测类型概率 大于阈值的预测类型确定为节点的真实类型。本 发明将注意力机制引入图神经网络中,在图神经 网络中能够用注意力机制学习和更新节点特征, 能够更好地提取和学习良性节点的特征,并且本 发明的子模型是使用良性节点训练得到,在检测 A 阶段不需要提前获取异常节点

最新专利