尚思佳 陳曉淇 林靖淞 林睫菲 李 臻 劉延華

1(中國科學院信息工程研究所物聯(lián)網(wǎng)信息安全技術北京市重點實驗室 北京 100093) 2(中國科學院大學網(wǎng)絡空間安全學院 北京 100049) 3(福州大學計算機與大數(shù)據(jù)學院 福州 350108) 4(國網(wǎng)信通億力科技有限責任公司 福州 350003)

當前,電信網(wǎng)絡詐騙犯罪的手段愈加多樣化,呈現(xiàn)出跨平臺實施、黑灰產(chǎn)業(yè)化的特點[1].黑灰產(chǎn)以公開網(wǎng)站作為傳播違法違規(guī)內(nèi)容的平臺,具有鏈條化、團伙化、資產(chǎn)化和跨域化等特點.

分析黑灰產(chǎn)團伙掌握的網(wǎng)絡資產(chǎn)是打擊黑灰產(chǎn)的重要切入點,本文通過研究圖挖掘技術,從海量黑灰產(chǎn)網(wǎng)絡節(jié)點中挖掘同一團伙網(wǎng)絡黑灰產(chǎn)子圖,找出黑灰產(chǎn)團伙中的關鍵節(jié)點,發(fā)現(xiàn)關聯(lián)多資產(chǎn)或多業(yè)務的關鍵鏈路.

目前,國內(nèi)外有多種基于圖挖掘的異常識別方法.Zhao等人[2]提出了BotGraph方法,通過對用戶之間的郵件發(fā)送情況進行剪枝發(fā)現(xiàn)異常的用戶群體;Beutel等人[3]提出的CopyCatch算法、Jiang等人[4]提出的CatchSync算法,均是捕獲大規(guī)模有向圖中的同步行為,以挖掘網(wǎng)絡中的異常;Cao等人[5]提出了SynchroTrap算法,通過計算節(jié)點之間在一定時間內(nèi)發(fā)生相似行為的數(shù)量,建立相似性網(wǎng)絡圖,并根據(jù)閾值進行圖切割,再根據(jù)圖的連通性進行聚類,以尋找異常子圖;Prakash等人[6]提出了EigenSpokes算法,該方法使用奇異矩陣分解,根據(jù)特征值較大的特征向量識別欺詐賬戶.

核心網(wǎng)絡資產(chǎn)的識別類似于暴恐團伙核心成員的辨識.社會網(wǎng)絡分析被廣泛視為研究恐怖團伙內(nèi)社區(qū)結構和發(fā)掘核心成員的重要方法之一[7].由Jaccard系數(shù)得出結論,公共鄰居越少,邊越重要[8]等.在電力光網(wǎng)絡中,通過統(tǒng)計分析鏈路狀態(tài)變化與最短路徑的敏感度,基于跳數(shù)最少、時延最短和可靠性最高3種不同目標,可以獲得關鍵鏈路的指標[9].

上述研究工作表明,分析黑灰產(chǎn)團伙掌握的網(wǎng)絡資產(chǎn)及其關聯(lián)關系是一項現(xiàn)實而可行的工作.本文使用的黑灰產(chǎn)網(wǎng)絡資產(chǎn)圖譜只有8類節(jié)點和11類邊,因此在實際應用中需要引入業(yè)務規(guī)則及相關領域知識.

針對上述問題,本文提出一種黑灰產(chǎn)網(wǎng)絡資產(chǎn)可視分析方法.主要研究工作包含以下幾個方面:

1) 提出一種探索團伙線索的方法,為每個節(jié)點構建特征向量,并對特征向量運用t-分布隨機近鄰嵌入(t-distributed stochastic neighbor embedding, t-SNE)進行降維、聚類、過濾節(jié)點聚類、根據(jù)節(jié)點的重要性指標計算節(jié)點排名,從而發(fā)現(xiàn)潛在團伙線索.

2) 通過黑灰產(chǎn)相關業(yè)務知識引入業(yè)務規(guī)則,繼而編制算法挖掘黑灰產(chǎn)團伙、識別核心資產(chǎn)和關鍵鏈路.其中,利用Fast Unfolding算法[10]對黑灰產(chǎn)子圖進行圖聚類以解決可視化過程中大量節(jié)點覆蓋問題.

3) 設計多種可視分析視圖,用可視分析的方法輔助黑灰產(chǎn)治理從業(yè)人員直觀清晰地了解黑灰產(chǎn)的網(wǎng)絡運維模式.

1 相關理論

在核心資產(chǎn)識別中,根據(jù)節(jié)點的度中心性、介數(shù)中心性、接近中心性等重要性指標進一步篩選核心資產(chǎn)節(jié)點.

1.1 度中心性

度中心性(degree centrality)是在網(wǎng)絡分析中刻畫節(jié)點重要性的度量指標[11].某個節(jié)點度中心性計算公式如下:

(1)

其中ki表示現(xiàn)有的與節(jié)點i相連的邊的數(shù)量;N-1表示節(jié)點i與其他節(jié)點都相連的邊的數(shù)量.

1.2 介數(shù)中心性

節(jié)點介數(shù)中心性(betweenness centrality)[12]是指一個網(wǎng)絡里通過節(jié)點的最短路徑條數(shù).某個節(jié)點的介數(shù)中心性的計算公式如下:

(2)

1.3 接近中心性

接近中心性(closeness centrality)用于衡量節(jié)點重要性,主要是利用網(wǎng)絡中所有節(jié)點對間的相對距離大小[13].某個節(jié)點的接近中心性[14]CCi為

(3)

其中di表示節(jié)點i到其余各點的平均距離,平均距離的倒數(shù)就是接近中心度.

2 子圖挖掘

2.1 尋找線索

首先,為每個節(jié)點構建特征向量,特征向量的構建規(guī)則如下:

1) 對于每個節(jié)點,計算每類鄰居的數(shù)量,乘以對應節(jié)點重要程度,作為特征向量這一維度上節(jié)點的貢獻,公式如下:

n=[num1×n_weight1,num2×
n_weight2,…,numi×n_weighti],

(4)

其中i∈N,N表示所有節(jié)點的類型.

2) 當中心節(jié)點確定時,節(jié)點的類型與邊的類型之間具有一定的對應關系,根據(jù)節(jié)點類型計算邊的數(shù)量,乘以對應邊的關聯(lián)強度,作為特征向量對應維度上邊的貢獻,公式如下:

l=[num1×l_weight1,num2×
l_weight2,…,numj×l_weightj],

(5)

其中j∈L,L表示所有邊的類型.

3)n和l分別乘以對應的權重,求和作為最后結果.公式如下:

a=α×n+(1-α)×l.

(6)

得到節(jié)點特征向量后,使用t-SNE進行降維聚類.重要程度越高節(jié)點越可能成為異常點,因此僅考慮Domain(網(wǎng)站域名)、 IP(網(wǎng)站的IP地址)和 Cert(網(wǎng)站用的SSL安全證書)節(jié)點類型.嘗試以高密度節(jié)點群為線索進行子圖挖掘,未發(fā)現(xiàn)成規(guī)模的黑灰產(chǎn)團伙,表明這些點不適合作為潛在線索.因此,將注意力轉向分散的點.過濾高密度的聚類,并且根據(jù)子圖中節(jié)點的重要性指標,在過濾后的節(jié)點中選擇排名靠前的節(jié)點作為潛在線索.

2.2 挖掘子圖

結合各類型節(jié)點間的可能關聯(lián)關系、應用場景和領域知識進行挖掘網(wǎng)絡資產(chǎn)子圖.首先,根據(jù)邊的關聯(lián)強度在起始節(jié)點3跳關聯(lián)內(nèi)(對于重要節(jié)點,允許4跳關聯(lián))挖掘網(wǎng)絡資產(chǎn)子圖;其次,若某次挖掘到IP_C(IP的C段)和ASN(IP的自治域)類型節(jié)點,將節(jié)點加入團伙,但不繼續(xù)向外挖掘;最后,當某個節(jié)點有大量同類型鄰居節(jié)點(關聯(lián)關系類型也一樣)時,適當過濾其鄰居節(jié)點以減少子圖規(guī)模.

算法1.子圖挖掘.

輸入:點數(shù)據(jù)集Nodes、邊數(shù)據(jù)集Links、線索start_node、節(jié)點重要程度node_type_value、邊關聯(lián)強度relation_type_value;

輸出:子圖點數(shù)據(jù)集sub_Nodes、子圖邊數(shù)據(jù)集sub_Links.

①nodes_stack,mynode←[],[start_node];

② 根據(jù)start_node的重要程度更新start_node.W;

③ whilenodes_stackdo

④now_node←nodes_stack.pop();

⑤ end while

⑥ for eachnodeinnow_node的鄰點do

⑦ 根據(jù)鄰邊的關聯(lián)強度更新now_node.W;

⑧ 根據(jù)now_node.W將node加入nodes_stack及mynode列表;

⑨ end for

2.3 圖聚類

為了應對由于子圖規(guī)模較大可能造成的點覆蓋和視覺負擔等問題,本文采用了Fast Unfolding算法進行圖聚類.

算法2.Fast Unfolding圖聚類.

輸入:子圖邊數(shù)據(jù)集sub_Links;

輸出:聚類結果partition.

① 根據(jù)子圖邊數(shù)據(jù)集sub_Links創(chuàng)建有向圖G;

②partition←使用Fast Unfolding算法對G進行圖聚類得到的結果.

3 網(wǎng)絡核心資產(chǎn)及關鍵鏈路識別

3.1 基于業(yè)務規(guī)則識別核心資產(chǎn)

根據(jù)一些相關基礎業(yè)務規(guī)則進行核心資產(chǎn)識別.首先,50%以上的鄰邊關聯(lián)強度較弱或度小于閾值(具體視子圖大小而定)的網(wǎng)絡資產(chǎn)不被認為是核心網(wǎng)絡資產(chǎn),Domain類型的關聯(lián)2個以上IP地址的網(wǎng)絡資產(chǎn)也不被認為是核心網(wǎng)絡資產(chǎn).根據(jù)規(guī)則過濾不符合要求的網(wǎng)絡資產(chǎn),最后根據(jù)節(jié)點重要性指標確定核心資產(chǎn)節(jié)點.

算法3.核心網(wǎng)絡資產(chǎn)識別.

輸入:子圖的邊列表Links、子圖的節(jié)點列表Nodes;

輸出:子圖的核心資產(chǎn)列表Core_node.

① 為每個核心資產(chǎn)初始化標記數(shù)組flag←0;

②Rule1(Nodes,Links,flag);

③Rule2(Nodes,Links,flag);

④Rule3(Nodes,Links,flag);

⑤ ifflag[node]==0

⑥Core_node←node;

⑦ end if

⑧ 過濾Core_node中重要性指標低的節(jié)點;

⑨ returnCore_node.

其中函數(shù)Rule1將鄰邊中弱關聯(lián)的比例超過50%的節(jié)點的flag標記為1.函數(shù)Rule2將具有超過2個IP類型鄰邊的節(jié)點的flag標記為1.函數(shù)Rule3統(tǒng)計子圖的邊數(shù)q與圖中某節(jié)點的鄰邊數(shù)c,若c>1000,將c≤0.015q情況下節(jié)點的flag標記為1;否則,將c≤0.02q情況下節(jié)點的flag標記為1.

3.2 基于業(yè)務規(guī)則識別關鍵鏈路

首先,2個核心網(wǎng)絡資產(chǎn)間長度大于4跳的路徑不被認為是關鍵鏈路;其次,2個核心網(wǎng)絡資產(chǎn)間存在多條路徑時,路徑越短越重要;最后,2個核心網(wǎng)絡資產(chǎn)間路徑的關聯(lián)強度越強則越重要.

算法4.關鍵鏈路識別.

輸入:子圖的邊列表Link、子圖的節(jié)點列表Node、子圖的核心資產(chǎn)列表Core_node;

輸出:子圖的關鍵鏈路列表Critical.

① 初始化鄰接字典adj←{};

② fornodeinNodedo

③neighbor←[node,node的鄰接點];

④adj←{n:neighbor};

⑤ end for

⑥ foriinrange(len(Core_node)-1) do

⑦ forjinrange(i,len(Core_node)) do

⑧Path_list←Check(adj,Core_node[i],

Core_node[j]);

⑨ end for

⑩ end for

其中函數(shù)Check用于尋找子圖中從核心資產(chǎn)節(jié)點出發(fā)的所有長度小于等于4跳的路徑.

4 系統(tǒng)設計

4.1 系統(tǒng)分析任務

基于系統(tǒng)分析任務,本文提出基于圖挖掘的黑灰產(chǎn)運作模式可視分析系統(tǒng)的架構,如圖1所示:

圖1 黑灰產(chǎn)運作模式可視分析系統(tǒng)架構

4.2 數(shù)據(jù)描述

本文使用的黑灰產(chǎn)網(wǎng)絡資產(chǎn)圖譜數(shù)據(jù)集是一個經(jīng)過脫敏處理的數(shù)據(jù)集.該數(shù)據(jù)集采用點邊雙異質(zhì)有向圖的數(shù)據(jù)結構,其中節(jié)點代表網(wǎng)絡資產(chǎn),邊表示網(wǎng)絡資產(chǎn)之間的關聯(lián)關系.數(shù)據(jù)集包含8類網(wǎng)絡資產(chǎn)和11類資產(chǎn)關聯(lián)關系,總計包含237萬個節(jié)點和328萬條邊.每個節(jié)點包含以下字段信息:節(jié)點ID、脫敏處理后的節(jié)點名稱(如域名字符串或IP地址)以及節(jié)點類型.對于域名類型節(jié)點,還提供黑灰產(chǎn)業(yè)務屬性,如涉黃、涉賭等.每條邊包含以下字段信息:邊類型、源節(jié)點ID和目標節(jié)點ID,邊的方向由源節(jié)點指向目標節(jié)點.

5 實驗與分析

為了證實本文提出的基于圖挖掘的黑灰產(chǎn)運作模式可視分析方法對于黑灰產(chǎn)團伙識別的有效性,本文從任意節(jié)點出發(fā),鎖定線索并找到由該線索同一黑灰產(chǎn)團伙掌握的網(wǎng)絡資產(chǎn)子圖,識別子圖中的核心資產(chǎn)與關鍵鏈路,分析團伙網(wǎng)絡運營機制.

5.1 黑灰產(chǎn)團伙線索鎖定與子圖挖掘模擬

以節(jié)點IP_36591為中心挖掘一定規(guī)模的節(jié)點群,再對每個節(jié)點構建特征向量、t-SNE降維,得到每類節(jié)點的降維視圖.例如,IP類型節(jié)點的降維視圖如圖2所示:

圖2 IP類型節(jié)點降維視圖

以圖2中的幾個分布密集的聚類中的節(jié)點為線索,不能找出成規(guī)模的黑灰產(chǎn)團伙,需對每類節(jié)點進一步過濾.

計算過濾幾個分布密集的聚類后所有節(jié)點的度中心性、PageRank指標.經(jīng)比較,節(jié)點Cert_2128的各指標均排在首位,將節(jié)點Cert_2128鎖定為挖掘團伙的潛在線索.

鎖定潛在線索后,根據(jù)算法1挖掘子圖,得到對應的黑灰產(chǎn)團伙的網(wǎng)絡資產(chǎn)概覽如圖3所示:

圖3 黑灰產(chǎn)團伙的網(wǎng)絡資產(chǎn)概覽圖

5.2 核心網(wǎng)絡資產(chǎn)和關鍵鏈路識別模擬

根據(jù)算法3和算法4,對黑灰產(chǎn)團伙進行核心網(wǎng)絡資產(chǎn)和關鍵鏈路識別,從而得到核心網(wǎng)絡資產(chǎn)(如圖4所示)和關鍵鏈路(如圖5所示).

圖4 核心網(wǎng)絡資產(chǎn)概覽圖

圖5 關鍵鏈路概覽圖

計算所有網(wǎng)絡資產(chǎn)的度,選取度數(shù)排名前6的網(wǎng)絡資產(chǎn),得到可疑節(jié)點排行榜(如圖6所示).對比發(fā)現(xiàn)可疑節(jié)點均為上述識別得到的核心網(wǎng)絡資產(chǎn),進一步判定這些可疑節(jié)點為黑灰產(chǎn)團伙的核心網(wǎng)絡資產(chǎn).

圖6 可疑節(jié)點排行

選擇網(wǎng)絡資產(chǎn)子圖中的某一核心網(wǎng)絡資產(chǎn)(如節(jié)點Cert_21024),分析其鄰接節(jié)點重要程度和鄰邊關聯(lián)強度.核心資產(chǎn)的鄰接節(jié)點的重要程度均為非常重要或重要,其鄰邊中也沒有關聯(lián)強度較弱的鄰邊.說明該網(wǎng)絡資產(chǎn)為核心網(wǎng)絡資產(chǎn)的可信度高.

5.3 網(wǎng)絡運作機制情景分析

通過分析子圖資產(chǎn)的黑灰產(chǎn)產(chǎn)業(yè)分布,可以看出該團伙的業(yè)務分布情況:該黑灰產(chǎn)團伙子圖中域名對應的網(wǎng)站包含涉黃、涉賭、詐騙、非法交易平臺和其他黑灰產(chǎn)業(yè)務,因此,該網(wǎng)絡資產(chǎn)子圖是一個運作多種非法業(yè)務的復合型團伙.該黑灰產(chǎn)團伙通過搭建色情網(wǎng)站并通過社交平臺推廣,在網(wǎng)站誘導網(wǎng)名付費觀看的同時引導網(wǎng)民進行網(wǎng)絡賭博,從而將網(wǎng)民引流到賭博網(wǎng)站中.

6 結 語

本文提出了基于圖挖掘的黑灰產(chǎn)運作模式可視分析方法,以解決黑灰產(chǎn)團伙網(wǎng)絡資產(chǎn)及其關聯(lián)關系的識別與分析問題.由于網(wǎng)絡資產(chǎn)圖譜已經(jīng)經(jīng)過脫敏處理,本文系統(tǒng)旨在為監(jiān)管部門提供一種信息整合手段.它能夠從舉報的非法網(wǎng)站域名作為起點,挖掘網(wǎng)絡資產(chǎn)信息并整合它們之間的關聯(lián)關系.與傳統(tǒng)的子圖挖掘相比,其深度結合應用場景和領域知識,并引入專業(yè)的黑灰產(chǎn)業(yè)務規(guī)則,使得子圖識別結果更具合理性.此外,本文還利用可視化工具對識別結果進行可視化分析,以增強用戶的感知能力.在未來的研究中,將引入更多的業(yè)務規(guī)則,進一步改進和完善本文系統(tǒng).