公开(公告)号：CN115484079A

公开(公告)日：2022-12-16

申请号：CN202211059770.4

申请日：2022-08-30

Applicant: 上海大学

Inventor： 周鹏 ,  张灿阳

IPC: H04L9/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于卷积神经网络模型的蠕虫传播溯源方法，包括：1、采集蠕虫传播图样本集，使用SI模型仿真蠕虫传播过程，获取不同节点作为源节点的蠕虫传播图样本集；2、分别在完全观测、快照观测和传感器观测情况下，将非欧式空间上的传播图样本以邻接图的方式转换为欧式空间上的二维矩阵；3、将传播图转换后的二维矩阵作为卷积神经网络模型(CNN)的输入，将传播图对应的源节点作为图的类标签输出，基于传播图样本集，采用梯度下降算法训练CNN；4、将未知传播源的传播图输入到训练好的卷积神经网络中，得到对其传播源节点的预测结果(即溯源结果)。本方法基于卷积神经网络模型，从有监督的传播图分类角度解决互联网蠕虫传播溯源问题。

公开(公告)号：CN115484076A

公开(公告)日：2022-12-16

申请号：CN202211047588.7

申请日：2022-08-30

Applicant: 上海大学

Inventor： 周鹏 ,  张灿阳

IPC: H04L9/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于图卷积神经网络的互联网蠕虫传播溯源方法，采集蠕虫传播图样本集，使用SI模型仿真蠕虫传播过程，获取不同节点作为源节点在网络上传播的传播图样本集；将传播图用邻接矩阵表示，传播图在不同观测条件下的节点感染状态表示为节点特征；将传播图样本邻接矩阵与节点特征一起作为GCN的输入，传播图样本对应的源节点作为图分类的标签，经过层次化堆叠的图卷积和图池化过程，采用梯度下降算法训练GCN；将未知传播源的传播图输入到训练好的GCN中，得到对其传播源节点的预测结果。本方法采用图卷积神经网络建立传播图与源节点标签之间的图分类模型，解决卷积神经网络模型在获取传播图中非欧式结构信息上能力有限的问题。