基于GA--RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、計(jì)算機(jī)技術(shù)和通信技術(shù)高速發(fā)展，網(wǎng)絡(luò)攻防技術(shù)不斷革新，網(wǎng)絡(luò)威脅加劇，信息系統(tǒng)安全受到嚴(yán)重挑戰(zhàn)。新常態(tài)下的互聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡(luò)防御手段和攻擊手段的發(fā)展出現(xiàn)了嚴(yán)重的不平衡，智能化安全防御體系的研究成為熱點(diǎn)。數(shù)據(jù)融合技術(shù)的發(fā)展使得網(wǎng)絡(luò)安全評(píng)估向綜合性發(fā)展，但這些技術(shù)局限于反映過(guò)去和當(dāng)前的網(wǎng)絡(luò)態(tài)勢(shì)狀況，難以適應(yīng)如今復(fù)雜多變的網(wǎng)絡(luò)環(huán)境，網(wǎng)絡(luò)安全的發(fā)展傾向于被動(dòng)防御轉(zhuǎn)為主動(dòng)防御，智能化、可視化、全局化等網(wǎng)絡(luò)安全的特點(diǎn)顯得尤為突出，機(jī)器學(xué)習(xí)、大數(shù)據(jù)挖掘等

2、方法和技術(shù)的研究和運(yùn)用加速了網(wǎng)絡(luò)防御技術(shù)的發(fā)展，特別是可視化前端技術(shù)的發(fā)展為網(wǎng)絡(luò)安全態(tài)勢(shì)感知體系的動(dòng)態(tài)展示提供了良好的技術(shù)支撐。本文通過(guò)研究區(qū)域網(wǎng)絡(luò)信息系統(tǒng)中安全事件，結(jié)合網(wǎng)絡(luò)中硬件采集的日志信息，運(yùn)用智能化的態(tài)勢(shì)分析的方法使網(wǎng)絡(luò)管理者通過(guò)直觀的可視化展示判斷當(dāng)前網(wǎng)絡(luò)安全狀況，感知未來(lái)網(wǎng)絡(luò)安全狀況并及時(shí)做出調(diào)整，保護(hù)網(wǎng)絡(luò)資產(chǎn)不受損失，提高信息系統(tǒng)網(wǎng)絡(luò)攻擊防范能力。基于GA-RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)的研究和實(shí)現(xiàn)主要工作包括:<

3、br>　　1、網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法和關(guān)鍵技術(shù)的研究。分析和對(duì)比不同的態(tài)勢(shì)評(píng)估方法，參考已有的網(wǎng)絡(luò)安全態(tài)勢(shì)指標(biāo)處理成果，對(duì)區(qū)域網(wǎng)絡(luò)中的各種網(wǎng)絡(luò)安全因素包括（硬件資產(chǎn)、設(shè)備狀況、安全警報(bào)、事件日志等）進(jìn)行清洗、采集和維度劃分，采用模糊層次分析法劃分當(dāng)前范圍內(nèi)的網(wǎng)絡(luò)安全態(tài)勢(shì)值，從而建立全面完善的網(wǎng)絡(luò)安全態(tài)勢(shì)指標(biāo)體系。經(jīng)過(guò)分析區(qū)域網(wǎng)絡(luò)中的拓?fù)浣Y(jié)構(gòu)和組織結(jié)構(gòu)并參考國(guó)內(nèi)外學(xué)者已有的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估成果，利用數(shù)據(jù)融合技術(shù)構(gòu)建評(píng)估指標(biāo)體系應(yīng)該遵循從點(diǎn)到

4、面、自?xún)?nèi)而外的評(píng)估策略。通過(guò)態(tài)勢(shì)理解技術(shù)的分析，對(duì)防火墻、服務(wù)器等硬件設(shè)施的日志記錄和掃描結(jié)果等經(jīng)過(guò)權(quán)重處理和一致化檢驗(yàn)的信息進(jìn)行關(guān)聯(lián)分析，建立威脅傳播網(wǎng)絡(luò)數(shù)據(jù)集。
　　2、基于GA-RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型的構(gòu)建。本文比較了幾種常見(jiàn)的態(tài)勢(shì)預(yù)測(cè)方法，確定了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的態(tài)勢(shì)預(yù)測(cè)方法，結(jié)合已有的實(shí)驗(yàn)環(huán)境和數(shù)據(jù)構(gòu)建出適合用于區(qū)域網(wǎng)絡(luò)信息系統(tǒng)安全的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型。模型利用遺傳算法從模擬種族進(jìn)化的過(guò)程中找出適合的控制因子集

5、合和參數(shù)因子集合的組合方式，對(duì)集合進(jìn)行自然選擇，交叉、變異，能很好地克服反饋緩慢問(wèn)題，通過(guò)定義非線(xiàn)性時(shí)間和數(shù)據(jù)集合的關(guān)系，來(lái)構(gòu)建預(yù)測(cè)模型應(yīng)用到系統(tǒng)中。
　　3、安全態(tài)勢(shì)感知系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。根據(jù)已有的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型與預(yù)測(cè)模型相結(jié)合，從傳統(tǒng)的系統(tǒng)設(shè)計(jì)入手，對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)進(jìn)行需求分析和功能定位，搭建基于區(qū)域網(wǎng)絡(luò)信息系統(tǒng)安全的網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)的總體架構(gòu)。通過(guò)對(duì)感知系統(tǒng)進(jìn)行總體設(shè)計(jì)，確定態(tài)勢(shì)采集層、態(tài)勢(shì)理解分析層、態(tài)勢(shì)預(yù)