CN120281555A 一种基于智慧互联网的网络攻击ai检测分析方法及系统 （江西服装学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120281555A(43)申请公布日2025.07.08

(21)申请号202510563187.4

(22)申请日2025.04.30

(71)申请人江西服装学院

地址330201江西省南昌市向塘经济开发

区丽湖中大道103号

(72)发明人马晓倩余红珍叶新梅

(74)专利代理机构安徽启迪铭芯知识产权代理事务所(普通合伙)34335

专利代理师史璐璐

(51)Int.CI.

HO4L9/40(2022.01)

权利要求书2页说明书9页附图2页

(54)发明名称

一种基于智慧互联网的网络攻击AI检测分析方法及系统

(57)摘要

CN120281555A本发明公开了一种基于智慧互联网的网络攻击AI检测分析方法及系统，属于网络安全防护技术领域，包括通过分布式边缘节点协同构建攻击特征库，各节点基于本地攻击事件生成特征参数，经加密传输至中央服务器进行动态融合；构建多模态交互图谱，基于图谱节点间的关联强度识别潜在攻击链路，推导攻击意图生成防御策略；部署虚拟化网络环境并动态注入诱导特征，根据攻击者的交互行为实时调整诱导策略；监测用户行为序列的异常模式，触发AI交互验证流程并存储防御策略。本发明实现网络攻击特征的快速收集与融合，降低网络攻击的检测延迟，提升攻击预测的精准度，增强对抗网络攻击的灵活性

CN120281555A

件生成特征参数，经加密传输至中央服务器进

件生成特征参数，经加密传输至中央服务器进行动态融合

将跨协议网络行为数据构建为多模态交互图谱，基于图谱节点间的关联强度识别潜在攻击链路

根据攻击链路推导攻击意图，生成防御策略并验证策路可行性

部署虚拟化网络环境并动态注入诱导特征，根据攻击者的交互行为实时调整诱导策略

监测用户行为序列的异常模式，触发可动态调整的Al交互验证流程，通过分布式节点共识机制存储防御策略

CN120281555A权利要求书1/2页

2

1.一种基于智慧互联网的网络攻击AI检测分析方法，其特征在于：包括，

通过分布式边缘节点协同构建攻击特征库，各节点基于本地攻击事件生成特征参数，经加密传输至中央服务器进行动态融合；

将跨协议网络行为数据构建为多模态交互图谱，基于图谱节点间的关联强度识别潜在攻击链路；

根据攻击链路推导攻击意图，生成防御策略并验证策略可行性；

部署虚拟化网络环境并动态注入诱导特征，根据攻击者的交互行为实时调整诱导策

略；

监测用户行为序列的异常模式，触发可动态调整的AI交互验证流程，通过分布式节点共识机制存储防御策略。

2.如权利要求1所述的一种基于智慧互联网的网络攻击AI检测分析方法，其特征在于：所述分布式边缘节点协同包括，在物联网网关及边缘服务器部署轻量化客户端，配置TPM安全芯片加密本地模型参数，周期性采集攻击特征数据；

节点间通过差分隐私加密算法加密处理本地模型参数，生成仅包含参数变化趋势的特征向量；中央服务器对特征向量进行去标识化聚类，生成具有区域特性的特征库分片；

将特征库分片与全局特征库进行差异比对，提取新增攻击模式的特征痕迹，选择最优分片下发路径，节点将特征痕迹与本地历史数据进行关联分析，生成威胁等级评估报告。

3.如权利要求2所述的一种基于智慧互联网的网络攻击AI检测分析方法，其特征在于：所述多模态交互图谱包括，将所有特征库分片作为数据源输入建立请求-进程关联矩阵，通过网络请求与终端操作的动态映射关系作为图谱的初始节点；

图谱边权重通过会话数据包到达时间标准差和协议交互频率偏离度动态计算，构建多模态交互图谱；计算图谱节点间的关联强度，并基于图谱节点间的关联强度识别潜在攻击

链路；

当检测到新协议时，自动扩展图谱节点并建立初始连接边，每隔预设周期对低权重边进行剪枝操作，移除历史交互频次低于阈值的无效连接。

4.如权利要求3所述的一种基于智慧互联网的网络攻击AI检测分析方法，其特征在于：所述防御策略包括，根据识别到的潜在攻击链路，生成虚拟测试环境，提取当前多模态交互图谱中的关键节点信息，在隔离的沙箱环境中镜像复制关键节点配置，构建虚拟网络拓扑副本；

在虚拟环境中监测攻击链路阻断效果，在虚拟环境中重放攻击链路的各阶段行为数据，在预设阻断点注入防御策略，监控攻击者在阻断后的行为响应，记录攻击者尝试绕过防御的新攻击路径；

根据阻断效果判断策略可行性，当防