基于文本增强图注意机制的网络攻击路径预测方法

为了克服传统方法无法发现隐藏攻击路径的问题，本文提出了一种基于文本增强图注意机制的网络攻击路径预测方法。具体而言，我们设计了一个本体，通过将CVE、CWE、CAPEC和ATT&CK集成到Neo4j中，捕捉漏洞、弱点、攻击模式和战术之间的多维链接。然后，我们将自然语言描述注入到注意机制中，以开发能够缓解数据稀疏的文本增强GAT。实验表明，与现有基线方法相比，我们的方法分别提高了MRR和Hits@5分别为12.3%和13.2%。因此，所提出的方法可以准确预测攻击路径并支持主动网络防御。