網(wǎng)絡(luò)安全態(tài)勢感知綜述

《網(wǎng)絡(luò)安全態(tài)勢感知綜述》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、網(wǎng)絡(luò)安全態(tài)勢感知綜述席榮榮云曉春金舒原文章概述基于態(tài)勢感知的概念模型，詳細(xì)闡述了態(tài)勢感知的三個(gè)主要研究內(nèi)容：網(wǎng)絡(luò)安全態(tài)勢要素提取、態(tài)勢理解和態(tài)勢預(yù)測，重點(diǎn)論述了各個(gè)研究點(diǎn)需解決的核心問題、主要算法以及各種算法的優(yōu)缺點(diǎn)，最后對未來的發(fā)展進(jìn)行了分析和展望。概念概述1988年，Endsley首先提出了態(tài)勢感知的定義：在一定的時(shí)空范圍內(nèi)，認(rèn)知、理解環(huán)境因素，并且對未來的發(fā)展趨勢進(jìn)行預(yù)測。概念概述1999年，TimBass提出：下一代網(wǎng)絡(luò)入侵檢測系統(tǒng)應(yīng)該融合從大量的異構(gòu)分布式網(wǎng)絡(luò)傳感器采集的數(shù)據(jù)，實(shí)現(xiàn)網(wǎng)絡(luò)空間的態(tài)勢感

2、知?；跀?shù)據(jù)融合的JDL模型，提出了基于多傳感器數(shù)據(jù)融合的網(wǎng)絡(luò)態(tài)勢感知功能模型?；诰W(wǎng)絡(luò)安全態(tài)勢感知的功能，本文將其研究內(nèi)容歸結(jié)為3個(gè)方面:網(wǎng)絡(luò)安全態(tài)勢要素的提取;網(wǎng)絡(luò)安全態(tài)勢的評估；網(wǎng)絡(luò)安全態(tài)勢的預(yù)測1、網(wǎng)絡(luò)安全態(tài)勢要素的提取網(wǎng)絡(luò)安全態(tài)勢要素主要包括靜態(tài)的配置信息、動態(tài)的運(yùn)行信息以及網(wǎng)絡(luò)的流量信息。靜態(tài)的配置信息：網(wǎng)絡(luò)的拓?fù)湫畔?，脆弱性信息和狀態(tài)信息等基本配置信息動態(tài)的運(yùn)行信息：從各種防護(hù)措施的日志采集和分析技術(shù)獲取的威脅信息等。2、網(wǎng)絡(luò)安全態(tài)勢的理解在獲取海量網(wǎng)絡(luò)安全信息的基礎(chǔ)上，解析信息之間的關(guān)聯(lián)性，

3、對其進(jìn)行融合，獲取宏觀的網(wǎng)絡(luò)安全態(tài)勢，本文稱為態(tài)勢評估。數(shù)據(jù)融合式態(tài)勢評估的核心。應(yīng)用于態(tài)勢評估的數(shù)據(jù)融合算法，分為以下幾類：基于邏輯關(guān)系的融合方法基于數(shù)學(xué)模型的融合方法基于概率統(tǒng)計(jì)的融合方法基于規(guī)則推理的融合方法基于邏輯關(guān)系的融合方法依據(jù)信息之間的內(nèi)在邏輯，對信息進(jìn)行融和，警報(bào)關(guān)聯(lián)是典型的基于邏輯關(guān)系的融合方法。警報(bào)關(guān)聯(lián)是指基于警報(bào)信息之間的邏輯關(guān)系對其進(jìn)行融合，從而獲取宏觀的攻擊態(tài)勢警報(bào)之間的邏輯關(guān)系：警報(bào)屬性特征的相似性預(yù)定義攻擊模型中的關(guān)聯(lián)性攻擊的前提和后繼條件之間的相關(guān)性基于數(shù)學(xué)模型的融合方法綜合

4、考慮影響態(tài)勢的各項(xiàng)態(tài)勢因素，構(gòu)造評定函數(shù)，建立態(tài)勢因素集合到態(tài)勢空間的映射關(guān)系。加權(quán)平均法是最常用、最有代表性、最簡單的基于數(shù)學(xué)模型的融合方法。加權(quán)平均法的融合函數(shù)通常由態(tài)勢因素和其重要性權(quán)值共同確定優(yōu)點(diǎn)：直觀缺點(diǎn)：權(quán)值的選擇沒有統(tǒng)一的標(biāo)準(zhǔn)，大多是根據(jù)經(jīng)驗(yàn)確定。基于概率統(tǒng)計(jì)的融合方法基于概率統(tǒng)計(jì)的融合方法，充分利用先驗(yàn)知識的統(tǒng)計(jì)特性，結(jié)合信息的不確定性，建立態(tài)勢評估的模型，然后通過模型評估網(wǎng)絡(luò)的安全態(tài)勢。常見基于概率統(tǒng)計(jì)的融合方法：貝葉斯網(wǎng)絡(luò)隱馬爾可夫模型貝葉斯網(wǎng)絡(luò)貝葉斯公式：P(B)=貝葉斯網(wǎng)絡(luò)：一個(gè)貝葉

5、斯網(wǎng)絡(luò)是一個(gè)有向無環(huán)圖（DAG），其節(jié)點(diǎn)表示一個(gè)變量，邊代表變量之間的聯(lián)系，節(jié)點(diǎn)存儲本節(jié)點(diǎn)相當(dāng)于其父節(jié)點(diǎn)的條件概率分布。貝葉斯網(wǎng)絡(luò)X1,X2......X7的聯(lián)合概率分布：隱馬爾可夫模型隱馬爾可夫模型是馬爾可夫鏈的一種，它的狀態(tài)不能直接觀察到，但能通過觀測向量序列觀察到，每一個(gè)觀測向量是由一個(gè)具有相應(yīng)概率密度分布的狀態(tài)序列產(chǎn)生。所以，隱馬爾可夫模型是一個(gè)雙重隨機(jī)過程隱馬爾可夫模型隱馬爾可夫模型假設(shè)我們開始擲骰子，我們先從三個(gè)骰子里挑一個(gè)，挑到每一個(gè)骰子的概率都是1/3。然后我們擲骰子，得到一個(gè)數(shù)字，1，2，

6、3，4，5，6，7，8中的一個(gè)。不停的重復(fù)上述過程，我們會得到一串?dāng)?shù)字，每個(gè)數(shù)字都是1，2，3，4，5，6，7，8中的一個(gè)。例如我們可能得到這么一串?dāng)?shù)字（擲骰子10次）：1635273524隱含狀態(tài)鏈有可能是：D6D8D8D6D4D8D6D6D4D8轉(zhuǎn)換概率(隱含狀態(tài)）輸出概率：可見狀態(tài)之間沒有轉(zhuǎn)換概率，但是隱含狀態(tài)和可見狀態(tài)之間有一個(gè)概率叫做輸出概率可見狀態(tài)鏈隱馬爾可夫模型隱馬爾可夫模型隱馬爾科夫的基本要素，即一個(gè)五元組{S,N,A,B,PI}；S：隱藏狀態(tài)集合；N：觀察狀態(tài)集合；A：隱藏狀態(tài)間的轉(zhuǎn)移概率

7、矩陣；B：輸出矩陣（即隱藏狀態(tài)到輸出狀態(tài)的概率）；PI：初始概率分布（隱藏狀態(tài)的初始概率分布）；優(yōu)缺點(diǎn)評價(jià)優(yōu)點(diǎn)：可以融合最新的證據(jù)信息和先驗(yàn)知識，過程清晰，易于理解缺點(diǎn)：要求數(shù)據(jù)源大，同時(shí)需要的存儲量和匹配計(jì)算的運(yùn)算量也大，容易造成位數(shù)爆炸，影響實(shí)時(shí)性特征提取、模型構(gòu)建和先驗(yàn)知識的獲取有一定困難?；谝?guī)則推理的融合方法基于規(guī)則推理的融合方法，首先模糊量化多源多屬性信息的不確定性;然后利用規(guī)則進(jìn)行邏輯推理，實(shí)現(xiàn)網(wǎng)絡(luò)安全態(tài)勢的評估。D-S證據(jù)組合方法和模糊邏輯是研究熱點(diǎn)D-S證據(jù)理論是一種不確定推理方法，證據(jù)理

8、論的主要特點(diǎn)是：滿足比貝葉斯概率論更弱的條件；具有直接表達(dá)“不確定”和“不知道”的能力·。概率分配函數(shù)：設(shè)Ｄ為樣本空間，其中具有ｎ個(gè)元素，則Ｄ中元素所構(gòu)成的子集的個(gè)數(shù)為２ｎ個(gè)。概率分配函數(shù)的作用是把Ｄ上的任意一個(gè)子集Ａ都映射為[0，1]上的一個(gè)數(shù)Ｍ（Ａ）。信任函數(shù)：似然函數(shù)：D-S證據(jù)理論信任區(qū)間：[Bel(A)，pl(A)]表示命題A的信任區(qū)間，Bel(A)表示信任函數(shù)為下限，pl(A)表示似真函數(shù)為上限模糊集