基于NetFlow和SNMP的網(wǎng)絡(luò)流態(tài)勢(shì)融合分析方法研究.pdf

1、互聯(lián)網(wǎng)在為人們提供方便的同時(shí)也帶來(lái)了各種安全隱患，病毒、木馬、蠕蟲、黑客等網(wǎng)絡(luò)危害層出不窮，給國(guó)家安全、經(jīng)濟(jì)發(fā)展帶來(lái)了巨大挑戰(zhàn)。網(wǎng)絡(luò)安全態(tài)勢(shì)感知作為網(wǎng)絡(luò)安全領(lǐng)域的一項(xiàng)新技術(shù)，對(duì)提高網(wǎng)絡(luò)安全水平有著非常重要的意義。態(tài)勢(shì)感知系統(tǒng)的準(zhǔn)確性、時(shí)效性取決于系統(tǒng)所選用的數(shù)據(jù)源和數(shù)據(jù)融合方法。本文正是以全新的網(wǎng)絡(luò)流為切入點(diǎn)，研究了基于NetFlow和SNMP的數(shù)據(jù)融合方法，完善了網(wǎng)絡(luò)運(yùn)行狀態(tài)和網(wǎng)絡(luò)安全狀態(tài)的分析技術(shù)，提高了態(tài)勢(shì)感知的準(zhǔn)確性、時(shí)效性、和

2、全面性，為實(shí)現(xiàn)大規(guī)模網(wǎng)絡(luò)安全態(tài)勢(shì)感知提供了數(shù)據(jù)支撐和技術(shù)支持。
　　 本文首先分析了網(wǎng)絡(luò)安全的嚴(yán)峻形勢(shì)、網(wǎng)絡(luò)安全態(tài)勢(shì)感知的研究進(jìn)展以及相關(guān)領(lǐng)域的國(guó)內(nèi)外研究現(xiàn)狀，闡述了網(wǎng)絡(luò)流技術(shù)(NetFlow)的原理，以及將NetFlow作為數(shù)據(jù)源的優(yōu)缺點(diǎn)。
　　 其次，根據(jù)NetFlow在接口數(shù)據(jù)、性能數(shù)據(jù)獲取方面的不足，提出了一種基于NetFlow和SNMP的網(wǎng)絡(luò)流態(tài)勢(shì)融合分析方法，并針對(duì)系統(tǒng)特點(diǎn)對(duì)經(jīng)典的Apriori算法進(jìn)行了改進(jìn)

3、，提出了一種深度優(yōu)先的DAP關(guān)聯(lián)規(guī)則挖掘算法。
　　 再次，將網(wǎng)絡(luò)安全態(tài)勢(shì)分為網(wǎng)絡(luò)運(yùn)行狀態(tài)和網(wǎng)絡(luò)安全狀態(tài)兩個(gè)部分，拓展了態(tài)勢(shì)感知的內(nèi)容，結(jié)合上述融合分析方法，設(shè)計(jì)實(shí)現(xiàn)了基于NetFlow和SNMP的網(wǎng)絡(luò)流態(tài)勢(shì)融合分析系統(tǒng)。
　　 另外，提出了一種基于網(wǎng)絡(luò)常態(tài)的安全事件生成方法，與基于特征的異常檢測(cè)方法相結(jié)合，在系統(tǒng)中同時(shí)采用了先驗(yàn)和后驗(yàn)的異常檢測(cè)技術(shù)，最大限度地保障了網(wǎng)絡(luò)安全。
　　 最后，對(duì)文中提出的DAP算法