1.一种基于溯源图和异构图神经网络的高级持续威胁检测方法,其特征在于,包括如下步骤:以系统级溯源图的基本定义为指导原则,定义一个跨操作系统的溯源图框架;
在所述溯源图框架下,将主机系统产生的日志转化成能够建模系统运行状态溯源图;
使用异构图表示学习技术为所述溯源图学习一个表示,得到一个新的异构图表示;
通过所述新的异构图的向量做分层池化,聚合所述新的异构图的原始表示信息,并利用所述原始表示信息来判断所述溯源图是否包含攻击行为;
通过所述溯源图的真实标签来检验所述异构图表示的分类结果。
2.如权利要求1所述的基于溯源图和异构图神经网络的高级持续威胁检测方法,其特征在于,所述溯源图为有向异构属性图,并对其提供的属性进行符号化和向量化。
3.如权利要求2所述的基于溯源图和异构图神经网络的高级持续威胁检测方法,其特征在于,所述通过所述新的异构图的向量做分层池化,逐步聚合所述新的异构图的原始表示信息的步骤,包括:将所述溯源图中不同类型的节点映射到各自的特定向量空间;
利用所述节点之间的边向量来计算所述节点的头注意力,以及所述节点的所有邻域节点对所述节点的重要性;
计算各个所述节点对目标节点的重要程度;
合并所有的消息头得到消息向量;
将消息聚合到所述目标节点,对所述目标节点作线性映射后通过非线性激活函数和残差连接,将其映射回所述目标节点所在的特定空间;
因为上述步骤需要重复,所有需要将节点映射回节点类型的特定空间;
通过重复上述步骤获得所述异构图中所述节点的消息;
通过分层池化将所述异构图中的信息进行压缩,最后得到一个表示所述异构图信息的向量。