本發(fā)明涉及網(wǎng)絡(luò)風(fēng)險(xiǎn)分析技術(shù)，尤其涉及一種基于多層次博弈模型的網(wǎng)絡(luò)風(fēng)險(xiǎn)分析方法及系統(tǒng)。

背景技術(shù)：

1、隨著信息技術(shù)的快速發(fā)展和網(wǎng)絡(luò)化程度的不斷提高，網(wǎng)絡(luò)安全問(wèn)題日益嚴(yán)峻。網(wǎng)絡(luò)攻擊手段不斷翻新，攻擊頻率和破壞力持續(xù)增強(qiáng)，給個(gè)人、企業(yè)和國(guó)家安全帶來(lái)了巨大威脅。

2、博弈論是研究多個(gè)參與者之間相互作用和決策的理論工具，在經(jīng)濟(jì)學(xué)、政治學(xué)、社會(huì)學(xué)等領(lǐng)域得到了廣泛應(yīng)用。將博弈論引入網(wǎng)絡(luò)安全領(lǐng)域，可以刻畫(huà)攻擊者和防御者之間的對(duì)抗博弈過(guò)程，進(jìn)而設(shè)計(jì)出最優(yōu)的主動(dòng)防御策略。然而，傳統(tǒng)的博弈模型大多基于靜態(tài)博弈或雙方博弈，難以全面刻畫(huà)網(wǎng)絡(luò)空間中攻、防、用多方主體的動(dòng)態(tài)博弈行為?，F(xiàn)有網(wǎng)絡(luò)安全博弈研究大多基于靜態(tài)博弈或雙方博弈，難以全面刻畫(huà)網(wǎng)絡(luò)空間中多方主體的動(dòng)態(tài)博弈行為。而多層次動(dòng)態(tài)博弈雖在其他領(lǐng)域有所應(yīng)用，但在網(wǎng)絡(luò)安全領(lǐng)域的研究還十分有限。網(wǎng)絡(luò)安全態(tài)勢(shì)瞬息萬(wàn)變，攻擊者、防御者與用戶策略隨時(shí)間動(dòng)態(tài)演化，因此迫切需要構(gòu)建面向網(wǎng)絡(luò)安全的多層次動(dòng)態(tài)博弈模型，設(shè)計(jì)相應(yīng)的均衡求解和風(fēng)險(xiǎn)評(píng)估方法，進(jìn)而實(shí)現(xiàn)網(wǎng)絡(luò)安全防御策略的動(dòng)態(tài)優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供一種基于多層次博弈模型的網(wǎng)絡(luò)風(fēng)險(xiǎn)分析方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問(wèn)題。

2、本發(fā)明實(shí)施例的第一方面，

3、提供一種基于多層次博弈模型的網(wǎng)絡(luò)風(fēng)險(xiǎn)分析方法，包括：

4、構(gòu)建多層次動(dòng)態(tài)博弈模型，所述多層次動(dòng)態(tài)博弈模型包括攻擊者層、防御者層和用戶層，其中，攻擊者層用于描述攻擊者的攻擊策略，防御者層用于描述防御者的防御策略，用戶層用于描述用戶的行為策略；

5、基于構(gòu)建的多層次動(dòng)態(tài)博弈模型，利用多層次博弈均衡求解算法，將多層次博弈問(wèn)題分解為若干個(gè)對(duì)應(yīng)不同網(wǎng)絡(luò)層次的子博弈問(wèn)題，利用反向歸納方法分別求解每個(gè)子博弈問(wèn)題，通過(guò)迭代優(yōu)化直至滿足預(yù)設(shè)條件，得到多層博弈均衡解；

6、將得到的多層博弈均衡解輸入預(yù)先訓(xùn)練的多層次風(fēng)險(xiǎn)評(píng)估模型中，輸出風(fēng)險(xiǎn)評(píng)估值，當(dāng)風(fēng)險(xiǎn)評(píng)估值超過(guò)預(yù)設(shè)的風(fēng)險(xiǎn)預(yù)警閾值時(shí)，觸發(fā)策略調(diào)整機(jī)制，通過(guò)重新計(jì)算多層博弈均衡解更新防御策略，最終得到風(fēng)險(xiǎn)最小化下的最優(yōu)防御策略組合。

7、在一種可選的實(shí)施例中，

8、構(gòu)建多層次動(dòng)態(tài)博弈模型包括：

9、根據(jù)網(wǎng)絡(luò)的多層結(jié)構(gòu)構(gòu)建網(wǎng)絡(luò)層次集合，其中，每個(gè)元素表示一個(gè)特定的網(wǎng)絡(luò)層；

10、定義攻防雙方在各網(wǎng)絡(luò)層次的混合策略空間，其中包含離散策略變量和連續(xù)策略變量，表示攻擊方和防御方在各網(wǎng)絡(luò)層次可采取的策略集合，并引入攻防雙方的策略概率分布，表示其在各網(wǎng)絡(luò)層次中策略的選擇概率；

11、基于得到的網(wǎng)絡(luò)層次集合和混合策略空間構(gòu)建基于馬爾科夫博弈過(guò)程的多層動(dòng)態(tài)博弈模型，定義攻防雙方在各網(wǎng)絡(luò)層次的狀態(tài)轉(zhuǎn)移矩陣和效用函數(shù)，其中，狀態(tài)轉(zhuǎn)移矩陣表示攻防雙方在各網(wǎng)絡(luò)層次的策略選擇，效用函數(shù)綜合考慮攻防雙方在各網(wǎng)絡(luò)層次的策略概率分布。

12、在一種可選的實(shí)施例中，

13、基于構(gòu)建的多層次動(dòng)態(tài)博弈模型，利用多層次博弈均衡求解算法，將多層次博弈問(wèn)題分解為若干個(gè)對(duì)應(yīng)不同網(wǎng)絡(luò)層次的子博弈問(wèn)題，利用反向歸納方法分別求解每個(gè)子博弈問(wèn)題，通過(guò)迭代優(yōu)化直至滿足預(yù)設(shè)條件，得到多層博弈均衡解包括：

14、利用多層次劃分算法將多層次網(wǎng)絡(luò)劃分為多個(gè)子網(wǎng)，其中，每個(gè)子網(wǎng)對(duì)應(yīng)一個(gè)局部博弈問(wèn)題；

15、在每個(gè)子網(wǎng)內(nèi)，構(gòu)建局部策略空間，并設(shè)計(jì)分布式策略優(yōu)化算法，通過(guò)局部信息交換和策略更新，自適應(yīng)調(diào)整局部博弈策略，得到各個(gè)子網(wǎng)內(nèi)的局部博弈均衡解；

16、基于各個(gè)子網(wǎng)內(nèi)的局部博弈均衡解設(shè)計(jì)多層次網(wǎng)絡(luò)博弈的一致性優(yōu)化模型，采用基于交替方向乘子法的分布式一致性優(yōu)化算法，將所述一致性優(yōu)化模型分解為多個(gè)子問(wèn)題，通過(guò)交替求解各個(gè)子問(wèn)題得到一致性優(yōu)化模型的分布式優(yōu)化結(jié)果；

17、重復(fù)執(zhí)行局部博弈均衡求解和一致性優(yōu)化模型的分布式優(yōu)化步驟，直至滿足收斂條件，得到最終的多層博弈均衡解。

18、在一種可選的實(shí)施例中，

19、采用基于交替方向乘子法的分布式一致性優(yōu)化算法，將所述一致性優(yōu)化模型分解為多個(gè)子問(wèn)題，通過(guò)交替求解各個(gè)子問(wèn)題得到一致性優(yōu)化模型的分布式優(yōu)化結(jié)果包括：

20、將一致性優(yōu)化問(wèn)題分解為局部博弈均衡子問(wèn)題、全局一致策略優(yōu)化子問(wèn)題和對(duì)偶變量更新子問(wèn)題；

21、固定全局一致策略優(yōu)化子問(wèn)題和對(duì)偶變量更新子問(wèn)題，各個(gè)子網(wǎng)分別求解自己的局部博弈均衡子問(wèn)題，得到更新后的局部策略；

22、固定更新后的局部策略和對(duì)偶變量更新子問(wèn)題，優(yōu)化全局一致策略優(yōu)化子問(wèn)題，最小化其與各個(gè)子網(wǎng)的局部策略之間的差值，得到更新后的全局一致策略；

23、根據(jù)更新后的局部策略和全局一致策略，更新對(duì)偶變量更新子問(wèn)題，基于得到的更新后的對(duì)偶變量，調(diào)整局部策略與全局一致策略之間的偏差；

24、重復(fù)迭代直到滿足收斂條件，得到一致性優(yōu)化模型的分布式優(yōu)化結(jié)果。

25、在一種可選的實(shí)施例中，

26、將得到的多層博弈均衡解輸入預(yù)先訓(xùn)練的多層次風(fēng)險(xiǎn)評(píng)估模型中，輸出均衡風(fēng)險(xiǎn)水平之前的步驟包括：

27、根據(jù)網(wǎng)絡(luò)的多層結(jié)構(gòu)構(gòu)建有向圖，所述有向圖包括節(jié)點(diǎn)和有向邊，其中，節(jié)點(diǎn)表示網(wǎng)絡(luò)的多層結(jié)構(gòu)中的博弈主體，有向邊表示博弈主體之間的策略影響關(guān)系，有向邊的權(quán)重表示策略影響關(guān)系的強(qiáng)度；

28、獲取有向圖中每個(gè)節(jié)點(diǎn)對(duì)應(yīng)的博弈主體的均衡策略特征向量，將所述均衡策略特征向量作為節(jié)點(diǎn)的初始嵌入式表示，并通過(guò)多輪圖卷積操作迭代更新所述初始嵌入式表示，得到更新后的嵌入式表示；對(duì)更新后的嵌入式表示進(jìn)行全局池化操作，得到池化后的圖級(jí)嵌入式表示向量，將得到的圖級(jí)嵌入式表示向量輸入全連接層，通過(guò)非線性激活函數(shù)映射為風(fēng)險(xiǎn)評(píng)估值；

29、基于所述有向圖，設(shè)計(jì)圖神經(jīng)網(wǎng)絡(luò)模型，并引入均衡狀態(tài)樣本及其對(duì)應(yīng)的真實(shí)風(fēng)險(xiǎn)值標(biāo)簽構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)，使用梯度下降優(yōu)化算法優(yōu)化所述圖神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，通過(guò)多次迭代使損失函數(shù)最小化，得到訓(xùn)練后的圖神經(jīng)網(wǎng)絡(luò)模型；

30、將得到的多層博弈均衡解輸入訓(xùn)練后的圖神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過(guò)所述構(gòu)建有向圖、獲取均衡策略特征向量、多輪圖卷積操作、全局池化操作以及全連接層映射操作，輸出對(duì)應(yīng)的風(fēng)險(xiǎn)評(píng)估值。

31、在一種可選的實(shí)施例中，

32、引入均衡狀態(tài)樣本及其對(duì)應(yīng)的真實(shí)風(fēng)險(xiǎn)值標(biāo)簽構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)的計(jì)算公式如下：

33、

34、其中，l表示損失函數(shù)，n表示均衡狀態(tài)樣本數(shù)量，i表示均衡狀態(tài)樣本索引，ri表示第i個(gè)均衡狀態(tài)樣本的預(yù)測(cè)風(fēng)險(xiǎn)評(píng)估值，yi表示第i個(gè)均衡狀態(tài)樣本的真實(shí)風(fēng)險(xiǎn)值標(biāo)簽，λ1表示全連接層的第一層權(quán)重矩陣的正則化系數(shù)，||·||f表示矩陣的frobenius范數(shù)，表示全連接層的第一層權(quán)重矩陣，λ2表示全連接層的第二層權(quán)重矩陣的正則化的系數(shù)，表示全連接層的第二層權(quán)重矩陣，μ表示kl散度正則化的系數(shù)，表示概率分布p(hg)在第i個(gè)均衡狀態(tài)樣本上的取值，表示預(yù)設(shè)的先驗(yàn)分布q(hg)在第i個(gè)均衡狀態(tài)樣本上的取值；

35、所述風(fēng)險(xiǎn)評(píng)估值的計(jì)算公式如下：

36、

37、其中r表示風(fēng)險(xiǎn)評(píng)估值，σ(·)表示激活函數(shù)，wr表示全連接層的權(quán)重矩陣，v表示有向圖的節(jié)點(diǎn)集合，v表示第v個(gè)節(jié)點(diǎn)，u表示第u個(gè)節(jié)點(diǎn)，n(v)表示節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)集合，αu,v表示節(jié)點(diǎn)u到節(jié)點(diǎn)v的注意力權(quán)重，w(k)表示第k輪圖卷積操作的權(quán)重矩陣，k表示第k輪圖卷積操作，表示第k-1輪圖卷積操作后節(jié)點(diǎn)u的嵌入式表示，b(k)表示第k輪圖卷積操作的偏置向量，br表示偏置向量。

38、在一種可選的實(shí)施例中，

39、當(dāng)風(fēng)險(xiǎn)評(píng)估值超過(guò)預(yù)設(shè)的風(fēng)險(xiǎn)預(yù)警閾值時(shí)，觸發(fā)策略調(diào)整機(jī)制，通過(guò)重新計(jì)算多層博弈均衡解更新防御策略，最終得到風(fēng)險(xiǎn)最小化下的最優(yōu)防御策略組合包括：

40、將攻擊者、防御者和用戶的博弈過(guò)程映射為生成器和判別器的對(duì)抗博弈過(guò)程，其中，生成器網(wǎng)絡(luò)將攻擊行為特征作為條件輸入，通過(guò)編碼器提取攻擊行為特征的隱空間表示，并通過(guò)解碼器根據(jù)攻擊行為特征的隱空間表示生成對(duì)應(yīng)的的防御策略；判別器網(wǎng)絡(luò)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取防御策略特征，輸出防御策略的有效性評(píng)分；

41、構(gòu)建包含策略有效性損失和策略多樣性損失的生成器損失函數(shù)，以及交叉熵判別器損失函數(shù)，通過(guò)交替訓(xùn)練的方式優(yōu)化生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)，得到訓(xùn)練好的條件生成對(duì)抗網(wǎng)絡(luò)模型；

42、利用訓(xùn)練好的條件生成對(duì)抗網(wǎng)絡(luò)模型生成多種防御策略候選，對(duì)各個(gè)防御策略候選進(jìn)行風(fēng)險(xiǎn)評(píng)估，得到風(fēng)險(xiǎn)評(píng)估結(jié)果；

43、構(gòu)建基于博弈論的策略選擇模型，以風(fēng)險(xiǎn)評(píng)估結(jié)果作為策略效用值，求解攻擊者和防御者的最優(yōu)混合策略，得到最優(yōu)防御策略組合。

44、本發(fā)明實(shí)施例的第二方面，

45、提供一種基于多層次博弈模型的網(wǎng)絡(luò)風(fēng)險(xiǎn)分析系統(tǒng)，包括：

46、第一單元，用于構(gòu)建多層次動(dòng)態(tài)博弈模型，所述多層次動(dòng)態(tài)博弈模型包括攻擊者層、防御者層和用戶層，其中，攻擊者層用于描述攻擊者的攻擊策略，防御者層用于描述防御者的防御策略，用戶層用于描述用戶的行為策略；

47、第二單元，用于基于構(gòu)建的多層次動(dòng)態(tài)博弈模型，利用多層次博弈均衡求解算法，將多層次博弈問(wèn)題分解為若干個(gè)對(duì)應(yīng)不同網(wǎng)絡(luò)層次的子博弈問(wèn)題，利用反向歸納方法分別求解每個(gè)子博弈問(wèn)題，通過(guò)迭代優(yōu)化直至滿足預(yù)設(shè)條件，得到多層博弈均衡解；

48、第三單元，用于將得到的多層博弈均衡解輸入預(yù)先訓(xùn)練的多層次風(fēng)險(xiǎn)評(píng)估模型中，輸出風(fēng)險(xiǎn)評(píng)估值，當(dāng)風(fēng)險(xiǎn)評(píng)估值超過(guò)預(yù)設(shè)的風(fēng)險(xiǎn)預(yù)警閾值時(shí)，觸發(fā)策略調(diào)整機(jī)制，通過(guò)重新計(jì)算多層博弈均衡解更新防御策略，最終得到風(fēng)險(xiǎn)最小化下的最優(yōu)防御策略組合。

49、本發(fā)明實(shí)施例的第三方面，

50、提供一種電子設(shè)備，包括：

51、處理器；

52、用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；

53、其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行前述所述的方法。

54、本發(fā)明實(shí)施例的第四方面，

55、提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述所述的方法。

56、在本實(shí)施例中，通過(guò)將攻擊者、防御者和用戶的行為策略融入多層次動(dòng)態(tài)博弈模型中，能夠動(dòng)態(tài)地描述和捕捉復(fù)雜的攻防博弈過(guò)程，提高了模型的真實(shí)性和精確性。利用多層次博弈均衡求解算法，可以將復(fù)雜的多層次博弈問(wèn)題分解為若干個(gè)子博弈問(wèn)題，通過(guò)反向歸納方法分別求解，最終得到多層博弈均衡解，從而有效解決了多層次博弈問(wèn)題的計(jì)算復(fù)雜性。將多層博弈均衡解輸入預(yù)訓(xùn)練的風(fēng)險(xiǎn)評(píng)估模型，可以得到相應(yīng)的風(fēng)險(xiǎn)評(píng)估值。當(dāng)風(fēng)險(xiǎn)評(píng)估值超過(guò)預(yù)設(shè)閾值時(shí)，將觸發(fā)策略調(diào)整機(jī)制，重新計(jì)算多層博弈均衡解，從而更新防御策略，實(shí)現(xiàn)風(fēng)險(xiǎn)最小化下的最優(yōu)防御策略組合。通過(guò)風(fēng)險(xiǎn)評(píng)估和策略調(diào)整機(jī)制，該方案能夠在保證防御效果的同時(shí)，降低防御成本和資源消耗，提高防御效率和成本效益。