基于流的網(wǎng)絡安全態(tài)勢感知研究.pdf

1、隨著網(wǎng)絡規(guī)模和用戶群體的不斷擴大，網(wǎng)絡安全事件也層出不窮，為國家和個人信息安全都帶來了極大威脅，網(wǎng)絡安全也越來越受到各界關注。網(wǎng)絡安全態(tài)勢感知為實現(xiàn)網(wǎng)絡安全監(jiān)控提供了一種新思路,是目前信息安全的研究熱點之一，而伴隨著海量數(shù)據(jù)的產(chǎn)生，大規(guī)模網(wǎng)絡的安全態(tài)勢感知研究也成為一個具有挑戰(zhàn)性的課題。
　　大規(guī)模網(wǎng)絡數(shù)據(jù)背景下，傳統(tǒng)的入侵檢測手段往往無法達到相當?shù)臅r效性，針對大規(guī)模網(wǎng)絡數(shù)據(jù)量大、實時要求高、數(shù)據(jù)來源復雜的特點，引入網(wǎng)絡流分析的方

2、法可以做到更好地實時監(jiān)控和快速反應。一個多源采集、分類存儲、實時分析的網(wǎng)絡態(tài)勢感知模型被提出，設計了基于流的實時網(wǎng)絡安全態(tài)勢感知總體架構，包括數(shù)據(jù)采集層、態(tài)勢提取層、態(tài)勢理解層、態(tài)勢預測層、展示層，并設計和實現(xiàn)了一個原型系統(tǒng)。在態(tài)勢提取階段，還提出了一種基于指標異常和貝葉斯網(wǎng)絡推理的異常檢測算法。首先基于網(wǎng)絡流分析計算出包含信息熵在內的多個態(tài)勢指標值，并為提高貝葉斯網(wǎng)絡學習效率，通過相關性分析優(yōu)選了部分指標；然后根據(jù)基于滑動窗口的異常檢