1.一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述方法包括以下步骤:S1、采集网络设备动态流量日志数据与资产静态基线日志数据;
S2、对所述动态流量日志数据和静态基线日志数据进行特征采样维度测量处理,生成动态流量特征维度数据和静态基线特征维度数据;
S3、基于所述动态流量特征维度数据与静态基线特征维度数据进行特征维度对齐性判断,生成特征维度对齐标识数据;若维度一致,则执行S5;
S4、若维度不一致,采用张量插值算法对所述静态基线日志数据进行特征维度调整,生成静态基线特征调整数据;
S5、将所述动态流量日志数据与静态基线日志数据和静态基线特征调整数据,以时间戳为基准进行特征融合,构建网络行为时空融合矩阵;
所述S5包括:
S51、将与和按时间轴对齐,构建三维融合矩阵:其中,Q为动态流量日志数据,为静态基线日志数据,为静态基线特征调整数据,为网络行为时空融合矩阵,为动态流量数据包特征,为静态服务依赖拓扑特征,为动态载荷熵值特征,为静态漏洞指纹特征,表示张量拼接操作;
S6、将所述网络行为时空融合矩阵与预存的多类威胁检测算法对应的标准威胁特征矩阵进行匹配,通过仿生优化算法筛选最优威胁检测算法类型;
S7、调用所述最优威胁检测算法对所述网络行为时空融合矩阵进行威胁分析,生成实时威胁图谱及处置指令;
S71、将输入对应的检测引擎,执行威胁模式匹配:其中,为最优匹配算法类型标识,为威胁特征模式库,为威胁特征模式库中的特征向量;
S72、生成包含攻击路径、风险等级的威胁图谱;
所述威胁模式匹配过程采用多级置信度验证机制,包括:初级验证层:通过预构建的威胁规则库进行正则匹配,生成候选威胁集:其中为规则匹配阈值,为候选威胁集,为规则匹配得分函数;
中级验证层:对候选威胁集进行行为链分析,计算上下文关联度:其中为时间衰减函数,为行为链连续性指示符,为行为链完整度,为行为链总长度,为行为链,为迭代次数,为时间;
高级验证层:对的威胁执行对抗样本测试,通过扰动注入验证鲁棒性:其中,为添加扰动后的相似度计算,为威胁模式,为威胁模式库容量;
仅当时输出最终威胁判定。
2.根据权利要求1所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述S1包括:S11、通过分布式探针采集网络设备在运行状态下的五元组流量数据包,提取会话连接频次、载荷熵值、协议分布向量,生成动态流量日志数据Q;
S12、通过配置管理数据库提取资产端口基线、服务依赖拓扑、漏洞指纹向量,生成静态基线日志数据R。
3.根据权利要求2所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述S2包括:S21、采用多尺度滑动窗口对Q进行时间切片处理,计算每个时间窗内特征的采样间隔标准差,生成动态流量特征维度数据;
S22、对R进行拓扑特征解析,提取资产服务链的维度参数,生成静态基线特征维度数据。
4.根据权利要求3所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述S3包括:S31、计算与的欧氏距离,其中为与的欧氏距离,为动态流量特征维度数据,为静态基线特征维度数据;
S32、若,生成特征维度对齐标识数据并执行S5,其中,为预设的维度对齐阈值,为特征维度对齐标识数据;
否则生成。
5.根据权利要求4所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述S4包括:S41、当时,构建静态基线的特征张量,按的维度进行高阶插值:其中,为张量插值函数,为插值目标维度;
生成,其中,静态基线特征调整数据。
6.根据权利要求5所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述S6包括:S61、建立威胁检测算法特征库,表示第类算法对应的标准威胁特征矩阵,;
S62、通过改进鱼鹰算法计算与的匹配度:初始化鱼鹰种群位置:
其中为特征维度,为鱼鹰种群中第i个个体在d维空间的位置,为搜索空间下边界,为搜索空间上边界,为[0,1]区间随机数;
探索阶段更新位置:
其中,为当前最优解,为攻击强度常数,为[0,1]区间随机数;
开发阶段:精细化搜索,其中0为当前算法迭代次数;
S63、输出,其中,为最优匹配算法类型标识。
7.根据权利要求6所述的一种基于大数据分析的网络安全威胁智能检测方法,其特征在于:所述鱼鹰算法还包括:引入自适应权重控制搜索步长;
其中,为时空融合矩阵的信息熵值,为系统最大熵值;
定义适应度函数:
其中,为余弦相似度计算,为矩阵与的Frobenius范数当迭代次数时,启动精英保留机制替换末位20%个体,h=1,…,m。