區(qū)域網(wǎng)絡(luò)的態(tài)勢預(yù)測及可視化技術(shù)研究與實(shí)現(xiàn).pdf

1、近些年，互聯(lián)網(wǎng)蓬勃發(fā)展，已經(jīng)滲透到老百姓生活的各個(gè)方面，也應(yīng)用到國家的重要基礎(chǔ)設(shè)施，加速了國家的信息化進(jìn)程?；ヂ?lián)網(wǎng)已經(jīng)成為人民生活的一部分，不可分割。與此同時(shí)，網(wǎng)絡(luò)攻擊技術(shù)也得到了快速發(fā)展，并且計(jì)算機(jī)網(wǎng)絡(luò)和操作系統(tǒng)的漏洞也借著互聯(lián)網(wǎng)平臺更多的暴露出來，使得利用網(wǎng)絡(luò)進(jìn)行違法活動的事件經(jīng)常發(fā)生，造成不小的經(jīng)濟(jì)損失。因此，及時(shí)了解當(dāng)前網(wǎng)絡(luò)的安全狀態(tài)，并預(yù)測網(wǎng)絡(luò)狀態(tài)的發(fā)展趨勢顯得極其重要。此外，單一性質(zhì)的防護(hù)方式已經(jīng)不能滿足需求，需要綜合考慮多

2、種防護(hù)措施之間的關(guān)聯(lián)性，實(shí)現(xiàn)協(xié)同防護(hù)。為了實(shí)現(xiàn)協(xié)同防護(hù)、趨勢預(yù)測，幫助快速、準(zhǔn)確的定位異常，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)區(qū)域網(wǎng)絡(luò)的態(tài)勢預(yù)測及可視化系統(tǒng)，通過采集區(qū)域網(wǎng)絡(luò)中不同設(shè)備相關(guān)的多源數(shù)據(jù)，預(yù)處理后進(jìn)行理解、關(guān)聯(lián)分析及預(yù)測，最終實(shí)現(xiàn)可視化，使得網(wǎng)絡(luò)攻擊防御由被動變主動，為網(wǎng)絡(luò)管理人員分析以及調(diào)整防御策略提供強(qiáng)大的支撐。
　　本文圍繞區(qū)域網(wǎng)絡(luò)的態(tài)勢預(yù)測及可視化技術(shù)研究與實(shí)現(xiàn)開展了七個(gè)重點(diǎn)工作:
　　第一，設(shè)計(jì)并實(shí)現(xiàn)了一套完整的從數(shù)

3、據(jù)采集、數(shù)據(jù)分析到數(shù)據(jù)可視化的態(tài)勢感知預(yù)測系統(tǒng)。
　　第二，研究并實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的采集，為系統(tǒng)的核心功能關(guān)聯(lián)分析和趨勢預(yù)測提供強(qiáng)大的數(shù)據(jù)支撐。
　　第三，研究并實(shí)現(xiàn)關(guān)聯(lián)分析算法，挖掘在區(qū)域網(wǎng)絡(luò)中發(fā)生的網(wǎng)絡(luò)安全事件之間的關(guān)聯(lián)規(guī)則，并給出關(guān)聯(lián)安全事件之間的置信度。
　　第四，分析比較了兩種神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)，提出了對RBF神經(jīng)網(wǎng)絡(luò)的改進(jìn)方法，使用改進(jìn)的RBF實(shí)現(xiàn)對趨勢的預(yù)測，并對比了算法改進(jìn)前后的預(yù)測效果。
　　

4、第五，提出了一種基于大量數(shù)據(jù)的網(wǎng)絡(luò)異常流量的檢測方式，通過對大量流量歷史曲線數(shù)據(jù)存儲，提取相同行為模式的訓(xùn)練數(shù)據(jù)，建立模型曲線。計(jì)算觀測流量曲線與模型曲線之間的距離來定位異常發(fā)生的時(shí)間范圍。
　　第六，實(shí)現(xiàn)了安全數(shù)據(jù)可視化，給網(wǎng)絡(luò)管理人員提供管理安全數(shù)據(jù)的交互接口。
　　最后對關(guān)聯(lián)分析模塊和預(yù)測模塊進(jìn)行了功能性測試，以及監(jiān)控端可視化的可用性驗(yàn)證。本文是態(tài)勢感知預(yù)測系統(tǒng)的一個(gè)初期呈現(xiàn)，為后來區(qū)域網(wǎng)絡(luò)的安全管理與防御做了很好的基