

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的普及,網(wǎng)絡(luò)安全已經(jīng)成為了影響社會(huì)穩(wěn)定的重要因素。網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)就是以網(wǎng)絡(luò)安全發(fā)展?fàn)顩r為切入點(diǎn),對(duì)安全狀態(tài)以及發(fā)展趨勢(shì)進(jìn)行高效全面的感知。近年來(lái)網(wǎng)絡(luò)態(tài)勢(shì)感知技術(shù)研究已經(jīng)日趨成熟,但仍存在以下不足:缺乏安全態(tài)勢(shì)要素預(yù)測(cè)值對(duì)態(tài)勢(shì)影響的研究、缺乏態(tài)勢(shì)要素的反饋防護(hù)并忽略了各要素及主機(jī)態(tài)勢(shì)值之間的相互關(guān)系對(duì)預(yù)測(cè)的影響。此外,網(wǎng)絡(luò)安全態(tài)勢(shì)融合過(guò)程中主機(jī)的重要性未考慮主機(jī)在攻防場(chǎng)景的作用以及主機(jī)之間的連帶關(guān)系。
為解決以上
2、問(wèn)題,本文首先研究了網(wǎng)絡(luò)安全態(tài)勢(shì)感知中數(shù)據(jù)源的處理預(yù)測(cè)方法,選取多個(gè)數(shù)據(jù)源作為感知要素,分別進(jìn)行處理預(yù)測(cè)并加固防護(hù);然后提出基于時(shí)空維度的多源網(wǎng)絡(luò)態(tài)勢(shì)感知方法,評(píng)估并預(yù)測(cè)網(wǎng)絡(luò)安全態(tài)勢(shì)。主要研究?jī)?nèi)容有:
1、為提高入侵檢測(cè)準(zhǔn)確率,針對(duì)攻擊方典型數(shù)據(jù)源—入侵威脅集,提出層次屬性約減的入侵檢測(cè)(HRGA-IDS)方法。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理并且分層劃分子空間;其次采用文化算法的雙層進(jìn)化模型控制粗糙集-遺傳算法的進(jìn)化,形成具有針對(duì)性的約
3、減集;最后設(shè)計(jì)層次Bayes分類(lèi)器驗(yàn)證算法性能。實(shí)驗(yàn)表明,該算法可將Bayes分類(lèi)的正確率提高至98.21%,并能較好識(shí)別出流量特征不明顯的R2L、U2R類(lèi)別的入侵。
2、為挖掘漏洞內(nèi)在聯(lián)系并對(duì)其進(jìn)行預(yù)測(cè),針對(duì)防守方典型數(shù)據(jù)源—脆弱性集,提出了基于文本挖掘-粒子群優(yōu)化算法(PSO-K-means)的漏洞信息聚類(lèi)、漏洞分析預(yù)測(cè)(VAPA)算法。首先利用PSO-K-means算法對(duì)漏洞進(jìn)行聚類(lèi)并獲取主題詞;其次用VAPA算法對(duì)漏洞
4、進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)表明PSO-K-means-算法用于漏洞分類(lèi)的準(zhǔn)確率達(dá)90.16%。VAPA算法能預(yù)測(cè)一個(gè)時(shí)間步長(zhǎng)的漏洞類(lèi)別及數(shù)量。
3、根據(jù)以上兩點(diǎn)的研究,提出基于時(shí)空維度的網(wǎng)絡(luò)態(tài)勢(shì)感知方法。首先從時(shí)間維度對(duì)數(shù)據(jù)源的處理結(jié)果進(jìn)行融合得到主機(jī)態(tài)勢(shì),并通過(guò)空間關(guān)系對(duì)其進(jìn)行動(dòng)態(tài)修正和預(yù)測(cè);其次結(jié)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和攻擊圖,計(jì)算空間維度攻防場(chǎng)景中的主機(jī)重要性權(quán)重,得到時(shí)空維度網(wǎng)絡(luò)層的態(tài)勢(shì)預(yù)測(cè)值。實(shí)驗(yàn)表明,本算法與現(xiàn)有方法相比將態(tài)勢(shì)預(yù)測(cè)的準(zhǔn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)融合的網(wǎng)絡(luò)安全態(tài)勢(shì)定量感知方法研究.pdf
- 基于貝葉斯方法的網(wǎng)絡(luò)安全態(tài)勢(shì)感知方法研究.pdf
- 面向服務(wù)的網(wǎng)絡(luò)層網(wǎng)絡(luò)安全態(tài)勢(shì)感知方法研究.pdf
- 基于粗糙集理論的網(wǎng)絡(luò)安全態(tài)勢(shì)感知方法研究.pdf
- 面向服務(wù)的傳輸層網(wǎng)絡(luò)安全態(tài)勢(shì)感知方法研究.pdf
- 基于多源融合的網(wǎng)絡(luò)安全態(tài)勢(shì)量化感知與評(píng)估.pdf
- 基于多源事件融合的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法研究.pdf
- 基于多源數(shù)據(jù)流分析的網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)研究
- 基于多源數(shù)據(jù)流分析的網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)研究.pdf
- 基于流的網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究.pdf
- 網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究.pdf
- 基于免疫濃度的網(wǎng)絡(luò)安全態(tài)勢(shì)感知評(píng)估方法研究.pdf
- 網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型研究.pdf
- 網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究綜述
- 基于攻防博弈的網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究.pdf
- 基于多源融合的網(wǎng)絡(luò)安全態(tài)勢(shì)感控機(jī)制研究.pdf
- 面向異構(gòu)數(shù)據(jù)源的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型與方法研究.pdf
- 基于云計(jì)算的網(wǎng)絡(luò)安全態(tài)勢(shì)感知數(shù)據(jù)融合方法研究.pdf
- 基于灰色理論的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型.pdf
- 網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論