1978年，Schmidet在文献中第一次提出规划识别问题（即意图识别，Schmidet不区分规划识别与意图识别），认为“规划识别”是通过观察人的行为去理解他的意图、信念和目标的过程，是心理学和人工智能的交叉问题。意图识别的研究最早应用于对自然语言理解、故事理解、语音翻译等，随后逐渐应用到多智能体监测与协作、动态交通监控、冒险游戏、网络入侵检测、机器人、军事等。经过三十多年的发展，出现了很多模型和方法。

如基于解释的意图识别方法、基于决策理论的意图的识别方法、基于规划图分析的意图识别方法、基于概率推理的意图识别方法等。

在网络安全领域，多元信息融合领域的态势评估技术和人工智能领域的意图识别技术有强烈的应用需求和良好的发展前景，许多学者开始关注网络安全态势评估和额昂络安全意图识别的研究。Bass提出下一代的入侵检测系统：应用多传感器数据融合理论建立网络空间的态势感知框架，通过推理识别攻击者身份、攻击速度、入侵行为、攻击意图和进行威胁分析等，进而感知网络空间安全态势。

文献借鉴军事战场意图识别方法开展网络攻防对抗下的入侵意图识别和入侵策略的研究。攻击手段的灵活多变使得通过低层次的系统事件或网络事件分析入侵者的攻击策略变得非常困难，而高层次的意图识别能够提供独立于具体攻击手段的高水平的分析平台。在意图分析的层面上，入侵检测就变成使用各个异构的IDS协同工作去证实或者否定事先定义的各种意图假设。这两篇文献仅仅提出理论和概念的架构，没有提出具体的实现方法，更没有形成实用的原型系统。

目前国内外对网络攻击意图识别的研究才刚刚开始，还没有见到比较完整的理论方法以及实用的系统。

国内却有一些非常前沿的安防产品正是利用了这一概念，虽然没有实现完全的自动化的意图识别，但理论引导实践这条路上，云漫又走在了前面。利用攻击意图分析的优势，在安防领域异军突起，迅速占有了大部分的市场。

当然理论的发展离不开资金的投入，这是一个相辅相成的系统，互相促进，共同发展。

人工智能为网络攻击意图识别提供思路

Honeywell实验室的Geib等将人工智能领域的规划识别引入到网络安全的领域中来，并指出网络安全领域中的识别规划与传统得规划识别不同，是一种对抗式的规划识别。因为攻击者总是采取欺骗、隐蔽等手段掩盖自己的行为和意图。该方法将主体所有的 可能的攻击行为作为扩展集。扩展集中概率最大的行为就是主题最可能的攻击规划，但存在一些不足：

很难构建完备的规划库；为了更新扩展集需要搜索主体所有可能的行为，可能引发搜索空间爆炸。文献在规划识别基础上结合网络攻击的对抗特点提出了基于扩展目标规划图的网络攻击规划识别方法。该方法将观察到的具体动作转化为抽象动作，根据抽象动作之间的关联识别背后蕴藏的攻击规划，这与将报警泛化为超报警的本质是相似的。文献建立了入侵检测的规划识别模型，采用因果告警关联分析和贝叶斯推理网络实现规划识别，以找回因入侵检测自身的检测策略不足和网络覆盖范围脆弱性而丢失的关键告警，重构实际的攻击场景。这三项研究在人工智能了领域中意图识别的经典方法基础上做了相应改进，提出理思路和理论框架。但是这些研究主要还是对已经发生的攻击行为的识别和提炼上，对网络安全领域的复杂特点没有针对性，对不确定的描述和推理攻击者的意图（最终目标）识别以及威胁分析等的研究还没有开展。

基于攻击行为的报警关联、攻击场景构建

Cuppens等在MIRADOR项目中通过报警关联分析来提炼攻击者的入侵策略。对攻击行为的前提、后果进行建模，根据后续行为的前提与先前行为的后果是否匹配来对两个行为进行关联。当检测到攻击行为时，搜索满足匹配条件的攻击路径来构造攻击者的规划。当有多条攻击路径对应着不同的攻击目标时，选择最短的攻击路径对应的攻击目标作为攻击者的入侵意图。随着事件数量的增多，关联搜索空间急剧增大，不适合大规模的在线处理。而且，当攻击者的行为对应着多个攻击目标时，选择最短路径显然不能达到最佳效果。Qin等将攻击树转化为因果网络，并关联孤立的攻击场景，利用专家知识给出因果网络的先验概率分布，推理攻击者的意图和攻击行为。该方法需要先验知识来构建因果网络和条件概率。Ning等提出通过报警关联报警自动自动生成攻击策略的方法。攻击策略通过攻击策略图来描述，节点代表攻击行为，边代表攻击的时间顺序，边与节点的约束关系将攻击行为关联起来。该方法将一些形式不同但本质相同的报警泛化成超报警后再经行关联，简化攻击策略分析。