網(wǎng)絡安全態(tài)勢分析與預測方法研究.pdf

1、當前網(wǎng)絡結構愈加復雜，網(wǎng)絡攻擊類型變化多樣。如何全面展示網(wǎng)絡安全狀態(tài)，及時準確地預測網(wǎng)絡安全態(tài)勢，是當前網(wǎng)絡安全防護面臨的重要問題。網(wǎng)絡安全態(tài)勢感知作為一項新的技術，更加關注全面的網(wǎng)絡安全狀況及其發(fā)展趨勢，能夠?qū)W(wǎng)絡安全狀態(tài)進行有效的評估，把網(wǎng)絡安全風險和損失降到最低。
　　網(wǎng)絡安全態(tài)勢感知過程中有3個關鍵技術:數(shù)據(jù)挖掘、態(tài)勢評估和態(tài)勢預測。在數(shù)據(jù)挖掘階段，要求能夠全面、快速、準確地挖掘出網(wǎng)絡威脅事件;態(tài)勢評估則力求實現(xiàn)對網(wǎng)絡安全

2、態(tài)勢進行更加客觀有效的評價;態(tài)勢預測注重預測的準確性，能夠讓網(wǎng)絡管理員基于預測結果對網(wǎng)絡安全采取有效的保護措施?；谶@樣的要求，本文分別對這3個關鍵技術進行了研究，并作出如下工作。
　　本文提出基于Rough set的C4.5分類算法。在眾多數(shù)據(jù)挖掘算法中，C4.5決策樹分類算法的算法精度高、分類速度快，但是在建立決策樹過程中需要對數(shù)據(jù)集進行多次掃描，而數(shù)據(jù)集的大小直接影響了決策樹的建立效率。利用Rough set理論在分類前對數(shù)

3、據(jù)集屬性進行篩選，去除與決策屬性無關的數(shù)據(jù)屬性，提高了決策樹建立效率;以屬性間相關度干涉決策樹剪枝過程，直接從與決策屬性相關度小于一定閾值的節(jié)點開始進行剪枝判斷，提高了算法效率，使得決策樹得到精簡，進而實現(xiàn)更高效的分類。
　　在態(tài)勢評估階段，本文引入熵的概念，以持續(xù)時間的長短作為評價指標，常見的22種攻擊作為評價對象，得到不同攻擊時間長度下的安全態(tài)勢權重，從而避免了人為指定帶來的主觀性;同時在安全量化評估階段還考慮了攻擊威脅度、系

4、統(tǒng)脆弱性、攻擊包數(shù)量，對網(wǎng)絡安全態(tài)勢的描述實現(xiàn)了較為全面的評價。
　　在預測過程中，本文采用模糊馬爾科夫鏈對量化過程中得到的安全態(tài)勢進行預測，以狀態(tài)間的模糊關系合成作為基礎構建馬爾科夫轉(zhuǎn)移矩陣。隸屬函數(shù)的選取極大程度地影響了預測的結果，本文在預測過程中的創(chuàng)新點在于在模糊隸屬函數(shù)確定階段引入遺傳算法，以找到最合適的模糊隸屬函數(shù)，實現(xiàn)更準確的預測。
　　論文的最后通過仿真對提出的算法進行了分析。仿真以KDD99為數(shù)據(jù)源。結果顯示