基于粒計算理論的網絡安全行為分析關鍵技術研究.pdf

1、隨著移動互聯(lián)網的高速發(fā)展，網絡已經深入到了人們生活的方方面面。網絡出現(xiàn)任何故障（包括設備故障和遭受攻擊等）都會對生活工作造成巨大的影響。與此同時，還面臨著互聯(lián)網信息的傳播速度與傳統(tǒng)媒體傳播相比有著巨大的優(yōu)勢，短時間內即可形成輿論導向，甚至影響到輿論的穩(wěn)定?！秶揖W絡空間安全戰(zhàn)略》從網絡通信基礎設施和信息安全與傳播兩個角度，定義了網絡空間安全戰(zhàn)略。一方面，要保障網絡通信基礎設施的安全；另一方面，要保障網絡信息的安全，以及網絡信息的真實可靠

2、，不會誤導公眾，造成網絡群體事件。因此，為了從上述兩個角度來維護網絡空間的安全，需要對網絡中IP層和應用層（特別是Web內容）的用戶行為進行分析挖掘，及時發(fā)現(xiàn)危害網絡空間安全的行為，保障網絡及相關應用的正常運行。
　　粒計算理論具備強大的不完備信息處理能力，受到了學界的廣泛認可。它在人工智能、深度學習、信息安全等領域有很高的應用價值。本文基于粒計算理論，結合當下對網絡空間安全的應用背景，對網絡流量異常檢測和微博用戶行為分析開展了研

3、究，主要取得如下成果：
　?。?）提出了基于動態(tài)Vague集的網絡流量異常檢測算法
　　在動態(tài)Vague集的基礎上，提出了頻度因子模型和相關因子模型，解決了網絡流量異常檢測中面臨的不完備流數(shù)據(jù)難以有效分析的問題。頻度因子模型基于頻度因子認知計算而得到，與基礎認知相結合后，形成動態(tài)認知Vague集，有利于處理隨時間變化而變化的場景；相關因子模型使用相關度的概念提高異常識別的準確率，通過實驗證明該算法在數(shù)據(jù)缺失達到80％以上時，

4、依然能夠保持較高的識別準確率。
　?。?）構建了基于動態(tài)認知的微博用戶行為分析方法
　　動態(tài)認知過程是粒層凝聚變化的過程。通過對特征屬性的動態(tài)認知，構建粒層凝聚算法。動態(tài)認知具有靈活性的特點，隨需求變化進行粒層凝聚，形成滿足具體需求的認知粒子凝聚。基于動態(tài)認知可以獲得對應的粒層分析，進而形成相關的粒層用于智能分類等應用。在此基礎上，將該方法應用到微博用戶行為關系網絡構建和微博用戶快速分類之中，在選定的三種重要行為特征情況下，

5、分類準確率并沒有明顯的降低，取得了很好的分類效果。
　?。?）設計了基于Spark技術的網絡安全行為分析平臺
　　該平臺為了滿足處理數(shù)據(jù)來源的多樣性、數(shù)據(jù)采集點的分散性、數(shù)據(jù)處理的及時有效性，采用了基于Spark技術的準在線分析方法，實時獲取網絡流量、Netflow數(shù)據(jù)、防火墻日志和Web數(shù)據(jù)等多源原始數(shù)據(jù)，采用離線數(shù)據(jù)預處理和數(shù)據(jù)分析的方式得到分析結果。在告警決策方面，基于D-S方法和Vague集理論，提出了多源數(shù)據(jù)評估的