长生界辰东小说,小说排行榜,大主宰

基于DBN的網絡安全態勢評估和態勢預測建模研究

2021年電子技術應用第5期

熊中浩1，2，張偉1，楊國玉1

1.中國大唐集團科學技術研究院，北京100040；2.大唐水電科學技術研究院有限公司，四川成都610031

摘要： 計算機通信網絡技術高速發展，日新月異，隨之涌現的網絡攻擊、破壞現象形態各異、層出不窮。態勢感知系統為網絡安全提供了全面保障，提高態勢評估和態勢預測建模的穩定性、精準性和快速性是態勢感知系統研究的重要方向。深度信念網作為一種深度學習智能算法，為網絡安全態勢評估和態勢預測的精確性、理論化帶來新方向。考慮深度信念網算法采用受限玻爾茲曼機作為基礎網絡，逐層預訓練和微調為網絡核心部分。構建廣義網絡安全態勢評估指標體系，并建立計算機通信網絡安全的態勢評估和態勢預測數據驅動模型。通過入侵檢測數據集CIC-IDS2017進行實驗仿真，驗證了該模型的精準性和有效性。

關鍵詞： 網絡安全態勢評估態勢預測深度信念網建模仿真

中圖分類號： TN03；TP393.0
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200900
中文引用格式： 熊中浩，張偉，楊國玉. 基于DBN的網絡安全態勢評估和態勢預測建模研究[J].電子技術應用，2021，47(5)：35-39，44.
英文引用格式： Xiong Zhonghao，Zhang Wei，Yang Guoyu. Research on network security situation assessment and situation prediction modeling based on DBN[J]. Application of Electronic Technique，2021，47(5)：35-39，44.

Research on network security situation assessment and situation prediction modeling based on DBN

Xiong Zhonghao1，2，Zhang Wei1，Yang Guoyu1

1.China Datang Corporation Science and Technology Research Institute，Beijing 100040，China； 2.Datang Hydropower Research Institute Co.，Ltd.，Chengdu 610031，China

Abstract： With the rapid development and rapid development of computer communication network technology, network attacks and destruction emerge in various forms and emerge in endlessly. Situation awareness system provides a comprehensive guarantee for network security. Improving the stability, accuracy and rapidity of situation assessment and situation prediction modeling is an important direction of situation awareness system research. As a deep learning intelligent algorithm, deep belief network brings new direction to the accuracy and theorization of network security situation assessment and situation prediction. Considering the deep belief network algorithm, the restricted Boltzmann machine is used as the basic network, and layer by layer pre-training and fine tuning are the core parts of the network. The generalized network security situation assessment index system is constructed, and the data-driven model of situation assessment and situation prediction of computer communication network security is established. Experimental simulation is carried out through the intrusion detection data set CIC-IDS2017 to verify the accuracy and effectiveness of the model.

Key words : network security；situation assessment；situation prediction；deep belief network；modeling and simulation

0 引言

計算機通信網絡安全(網絡安全)關乎國家安全和個人安全。建立一個安全、穩定、共享的網絡環境是個人和國家的美好愿景。但網絡建立初期到發展至今，惡意破壞網絡安全的事件只增不減，且愈演愈烈，從非法入侵竊取隱私數據到入侵工控網絡篡改運行參數，從經濟損失到人員傷亡，危害國家安全。如2011年12月21日，CSDN網站遭到黑客攻擊，600多萬個明文注冊郵箱被公布，造成了個人隱私數據泄露^[1]。2010年，一種針對工業控制網絡系統的蠕蟲病毒震網病毒大規模擴散，伊朗核設施遭到破壞，造成設備運行異常^[2]。最近幾年，又出現NotPetya勒索軟件攻擊，危害電網安全。傳統的網絡安全防護辦法(如防火墻、漏洞掃描系統等)所提供的安全防御措施不能對網絡安全狀態進行實施評估，各種防御手段之間存在信息無法交互協同，缺乏整體性、動態性和持續性^[3]。態勢感知從上世紀90年代初發展以來，一直備受網絡安全專家的重視和青睞^[4]。態勢感知具有全方位、全時段監測網絡安全風險的能力，以網絡安全大數據為基礎，從全局視角監測安全威脅，既可以對當前網絡安全進行評估，又可以預測將來時間的網絡安全指數，為安全威脅處理決策和行動提供依據，真正地做到防患于未然。發展至今，網絡安全態勢評估和態勢預測是態勢感知的重要研究部分，主流的研究方法有：數學理論、知識推理和模式識別，其中基于模式識別的態勢評估和態勢預測方法是近十年研究的熱點^[5]。文獻[6]、[7]利用粒子群優化算法和灰色關聯分析法的優點，相應地提出基于粒子群優化指標的SVM(Support Vector Machine)態勢評估模型和基于灰色關聯分析的SVM態勢評估模型；文獻[8]、[9]提出基于徑向基函數和基于灰色理論的BP(Back Propagation)神經網絡的網絡安全態勢評估模型，解決了態勢要素與評估結果中的不確定性和模糊性問題，解釋了態勢要素間非線性映射的理論原因；文獻[10]構建多維度的評價指標體系，結合卷積神經網絡算法并對比驗證其有效性。由于BP神經網絡具有極強的非線性映射和自組織、自學習以及強泛化等特性，被眾多學者青睞并提出多種改進算法的態勢感知和態勢預測模型^[11-13]。近十年，深度學習算法研究迅猛進步，應用在網絡安全態勢評估和態勢預測的研究也逐步顯現，文獻[14]提出深度自編碼網絡作為基分類器，改善態勢要素提取機制；文獻[15]、[16]較早地提出基于深度學習算法的網絡安全態勢評估和態勢預測模型。

本文詳細內容請下載:http://m.viuna.cn/resource/share/2000003518

作者信息:

熊中浩1，2，張偉1，楊國玉1

(1.中國大唐集團科學技術研究院，北京100040；2.大唐水電科學技術研究院有限公司，四川成都610031)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容