一种基于深度学习的网络流量攻击链条推理方法

本发明公开了一种基于深度学习的网络流量攻击链条推理方法，包括如下步骤：采集原始网络流量数据并预处理；执行会话重组与协议解析，生成统一特征向量，形成对齐索引表；构建多粒度图结构；输入改进NeuroSAT模型进行建模，引入超图消息传递机制，输出阶段得分与有向关联得分；构造训练样本集合；执行多轮消息传递与读出，得到训练后的改进NeuroSAT模型；通过阶段概率分布与有向关联概率并结合预定义拓扑约束生成候选攻击链条拓扑集合；得到有效攻击链条拓扑集合，实现对复杂多阶段、多实体网络攻击的端到端识别与链条重构，提高攻击阶段识别与事件关联推理的准确性。