針對(duì)目前網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法的精確度不足問(wèn)題,以自修正系數(shù)修勻法為基礎(chǔ)提出一種新的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型。首先,設(shè)計(jì)一種網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估量化方法,基于熵關(guān)聯(lián)度將警報(bào)信息轉(zhuǎn)化為態(tài)勢(shì)實(shí)際值時(shí)間樣本序列。然后,計(jì)算靜態(tài)修勻系數(shù)自適應(yīng)解并利用可變域空間獲取預(yù)測(cè)初始值。最后,為了進(jìn)一步提高預(yù)測(cè)精度,基于偏差類別并采用時(shí)變加權(quán)馬爾可夫鏈對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)初始預(yù)測(cè)結(jié)果進(jìn)行修正。采用LL_DOS₁.0數(shù)據(jù)集檢驗(yàn)預(yù)測(cè)效果,實(shí)驗(yàn)結(jié)果表明,所提模型面向網(wǎng)絡(luò)態(tài)勢(shì)時(shí)間序列具有較高的自適應(yīng)性和預(yù)測(cè)精度。 

【文章來(lái)源】：通信學(xué)報(bào). 2020,41(05)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型步驟2利用可變域空間劃分網(wǎng)絡(luò)安全態(tài)勢(shì)值

當(dāng)W=10時(shí)，可變域空間寬度居中，以往樣本數(shù)據(jù)段內(nèi)異常波動(dòng)數(shù)據(jù)和平緩波動(dòng)數(shù)據(jù)的數(shù)量差距減小，遠(yuǎn)期、近期數(shù)據(jù)均衡影響安全態(tài)勢(shì)預(yù)測(cè)，從而提高了初始預(yù)測(cè)值精度。3)當(dāng)W=15時(shí)，域空間寬度大，以往樣本數(shù)據(jù)片較長(zhǎng)，域空間內(nèi)少量異常波動(dòng)數(shù)據(jù)和其他平緩波動(dòng)數(shù)據(jù)相比，對(duì)靜態(tài)修勻系數(shù)自適應(yīng)解影響作用更小，降低了態(tài)勢(shì)突變處的初始預(yù)測(cè)值精度。6.5態(tài)勢(shì)預(yù)測(cè)對(duì)比實(shí)驗(yàn)與分析實(shí)驗(yàn)數(shù)據(jù)集為L(zhǎng)L_DOS_1.0數(shù)據(jù)集，分別采用本文模型、IFS-NARX模型[9]和傳統(tǒng)馬爾可夫模型生成安全態(tài)勢(shì)預(yù)測(cè)值序列，如圖4所示，安全態(tài)勢(shì)預(yù)測(cè)值絕對(duì)偏差序列如圖5所示。圖4安全態(tài)勢(shì)預(yù)測(cè)值序列圖5安全態(tài)勢(shì)預(yù)測(cè)值絕對(duì)偏差序列從圖4和圖5可知，由本文模型獲取的態(tài)勢(shì)預(yù)測(cè)結(jié)果更加符合原始的網(wǎng)絡(luò)安全態(tài)勢(shì)情況，絕對(duì)偏差更校原因分析如下。1)傳統(tǒng)馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣隨以往數(shù)據(jù)增加而收斂，故傳統(tǒng)馬爾可夫模型面向較短時(shí)間序列預(yù)測(cè)效果理想，當(dāng)時(shí)間序列較長(zhǎng)時(shí)，絕對(duì)偏差增大且偏差峰值周期性出現(xiàn)。2)將警報(bào)發(fā)生率、警報(bào)致變程度和警報(bào)負(fù)面程度作為IFS-NARX模型輸入特征，非線性自回歸神經(jīng)網(wǎng)絡(luò)參數(shù)由經(jīng)驗(yàn)公式確定，該模型面向短序列預(yù)測(cè)因樣本數(shù)量較少而預(yù)測(cè)精度不佳，當(dāng)序列長(zhǎng)度增加時(shí)，樣本數(shù)量提高，模型預(yù)測(cè)精度提升。3)本文模型中，可變域空間位置隨新態(tài)勢(shì)值加入以往序列而發(fā)生移動(dòng)，更新域空間內(nèi)態(tài)勢(shì)序列片段，調(diào)整靜態(tài)修勻系數(shù)自適應(yīng)解取值、偏差類別劃分?jǐn)?shù)量和偏差類別轉(zhuǎn)移概率矩陣，使預(yù)測(cè)精度在不同長(zhǎng)度時(shí)間序列下保持較高水平。7結(jié)束語(yǔ)本文提出一種基于自修正系數(shù)修勻法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型。通過(guò)熵關(guān)聯(lián)度量化若干周期的網(wǎng)絡(luò)安全態(tài)勢(shì)值，采用可變域空間機(jī)制對(duì)按?

【參考文獻(xiàn)】：
期刊論文
[1]基于動(dòng)態(tài)信譽(yù)的無(wú)線Mesh網(wǎng)絡(luò)安全路由機(jī)制[J]. 楊宏宇,韓越.  通信學(xué)報(bào). 2019(04)
[2]基于IFS-NARX模型的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)[J]. 韓曉露,劉云,張振江,呂欣,李陽(yáng).  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[3]網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)技術(shù)研究[J]. 孫衛(wèi)喜,孫歡.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(04)
[4]基于改進(jìn)G-K算法的多節(jié)點(diǎn)網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型[J]. 周新衛(wèi),李小玲.  科學(xué)技術(shù)與工程. 2018(25)
[5]Android共謀攻擊檢測(cè)模型[J]. 楊宏宇,王在明.  通信學(xué)報(bào). 2018(06)
[6]基于時(shí)變加權(quán)馬爾科夫鏈的網(wǎng)絡(luò)異常檢測(cè)模型[J]. 王笑,戚湧,李千目.  計(jì)算機(jī)科學(xué). 2017(09)
[7]一種改進(jìn)的網(wǎng)絡(luò)安全態(tài)勢(shì)量化評(píng)估方法[J]. 席榮榮,云曉春,張永錚,郝志宇.  計(jì)算機(jī)學(xué)報(bào). 2015(04)
[8]基于模糊集與熵權(quán)理論的信息系統(tǒng)安全風(fēng)險(xiǎn)評(píng)估研究[J]. 付鈺,吳曉平,葉清,彭熙.  電子學(xué)報(bào). 2010(07)
[9]熵權(quán)系數(shù)法應(yīng)用于網(wǎng)絡(luò)安全的模糊風(fēng)險(xiǎn)評(píng)估[J]. 趙冬梅,張玉清,馬建峰.  計(jì)算機(jī)工程. 2004(18)



本文編號(hào)：3051908