基于多尺度熵的加權(quán)HMM網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法研究.pdf

1、網(wǎng)絡(luò)安全態(tài)勢感知是對網(wǎng)絡(luò)安全整體狀態(tài)的一種體現(xiàn)，它是一種復(fù)雜的非線性系統(tǒng)，為網(wǎng)絡(luò)安全問題提供了比較全面的解決思路。態(tài)勢預(yù)測是網(wǎng)絡(luò)安全態(tài)勢感知的重要組成部分，它不僅是對網(wǎng)絡(luò)安全整體狀態(tài)趨勢的一種反映，也是態(tài)勢感知的最終目標(biāo)。態(tài)勢預(yù)測作為態(tài)勢感知的核心問題，目前的對其研究尚存在一些不足。網(wǎng)絡(luò)安全事件存在隨機(jī)性和不確定性問題，傳統(tǒng)基于單一模型的預(yù)測方法無法適應(yīng)復(fù)雜的網(wǎng)絡(luò)安全環(huán)境，成為了制約態(tài)勢預(yù)測應(yīng)用的主要問題。
　　針對上述所存在的問

2、題，將多尺度熵模型、隱馬爾科夫模型以及加權(quán)算法理論引入到網(wǎng)絡(luò)安全態(tài)勢預(yù)測中，進(jìn)行多種方法模型的組合預(yù)測。對于安全態(tài)勢原始數(shù)據(jù)的處理方面引入多尺度熵算法，通過分析告警時(shí)間序列在不同尺度因子下的樣本熵選擇能夠充分體現(xiàn)告警序列復(fù)雜程度的尺度數(shù)據(jù)，然后帶入HMM算法中進(jìn)行處理，獲得不同尺度因子下模型的參數(shù)。另一方面，針對現(xiàn)存方法中不能夠合理利用歷史數(shù)據(jù)的問題引入了加權(quán)自相關(guān)系數(shù)，由于HMM的輸出獨(dú)立性假設(shè)表示模型的輸出僅與當(dāng)前狀態(tài)有關(guān)也就是模型

3、的一階性特點(diǎn)，而多階自相關(guān)系數(shù)反應(yīng)了一段歷史數(shù)據(jù)對當(dāng)前輸出結(jié)果的影響，根據(jù)上述步驟中獲得的模型參數(shù)利用規(guī)范化的自相關(guān)系數(shù)和隱馬爾科夫模型的參數(shù)來加權(quán)的計(jì)算未來態(tài)勢發(fā)生的概率情況，合理的利用歷史數(shù)據(jù)來對未來狀態(tài)進(jìn)行加權(quán)預(yù)測。
　　基于以上所提出的預(yù)測方法，文中通過DARPA2000數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證，由實(shí)驗(yàn)結(jié)果可以看出，本方法對未來的安全態(tài)勢的預(yù)測可以取得良好的效果，不僅能夠?yàn)榫W(wǎng)絡(luò)安全管理提供及時(shí)準(zhǔn)確和前瞻的態(tài)勢變化信息，同時(shí)也為網(wǎng)