申请/专利权人：浙江大学

申请日：2023-12-25

公开（公告）日：2024-04-05

公开（公告）号：CN117834228A

主分类号：H04L9/40

分类号：H04L9/40;H04L67/12

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于BERT模型的强化学习蜜罐构建方法及装置。所述方法包括：部署物联网蜜罐收集HTTP网络交互数据，并将网络攻击数据与ATTCK攻击策略关联，形成攻击链；根据网络攻击数据的主要文本特征构造更多相似的攻击类别，以进行BERT模型的微调工作；最后，利用训练好的攻击类别分类模型进行网络攻击数据的类别识别，并将类别识别的结果作为马尔可夫决策过程中的状态变量，构建强化学习蜜罐。本发明方法能够自动学习物联网设备的行为知识，自适应构建物联网异构高交互蜜罐，并有效提升蜜罐的诱骗能力。

主权项：1.一种基于BERT模型的强化学习蜜罐构建方法，其特征在于，包括以下步骤；1部署物联网蜜罐，用于收集基于HTTP网络交互数据，所述交互数据包含响应数据和攻击数据；所述攻击数据为网络攻击者发送至物联网蜜罐的数据，所述响应数据由物联网蜜罐向物联网设备发送安全请求得到；2基于步骤1中网络攻击者发送的攻击数据，利用ATTCK框架中的攻击策略对来自同一网络攻击者在会话时间内的攻击数据进行类别标识，并利用标识结果构建攻击链；3基于步骤2标识的攻击数据，对不同类别下的攻击数据进行特征筛选与提取，提取出不同类别下攻击数据的主要特征，利用主要特征进行不同类别攻击数据的构造；4基于步骤3构造的不同类别攻击数据，分割筛选攻击数据中的不同词汇，以进行BERT模型中vocab.txt文件的补充；5基于步骤4更新后的vocab.txt文件和步骤3构造的不同类别攻击数据，利用预训练的BERT模型进行下游任务的微调，进行攻击类别分类模型的训练；所述攻击类别分类模型用于对物联网强化学习蜜罐收集到的网络中攻击数据进行实时分类预测；6基于步骤5得到的攻击数据分类预测结果，将其作为状态变量，将强化学习蜜罐与网络攻击者的交互建模为一个马尔可夫决策模型，并利用Q-learning算法进行马尔可夫决策模型的在线训练；7基于步骤6中训练完成的马尔可夫决策模型，强化学习蜜罐针对不同的物联网攻击数据选择最优响应以进行回复。

全文数据：

权利要求：

百度查询： 浙江大学 基于BERT模型的强化学习蜜罐构建方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD