基于kalman算法和灰关联熵的网络安全态势预测方法研究

《基于kalman算法和灰关联熵的网络安全态势预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP393论文编号：102871614-S055学科分类号：081203硕士学位论文基于Kalman算法和灰关联熵的网络安全态势预测方法研究研究生姓名刘雷雷学科、专业计算机科学与技术研究方向计算机网络指导教师臧洌副教授南京航空航天大学研究生院计算机科学与技术学院二О一四年四月万方数据万方数据NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonNetwor

2、kSecuritySituationPredictionBasedonKalmanAlgorithmandGreyRelationEntropyAThesisinComputerScienceandTechnologyEngineeringbyLiuLeileiAdvisedbyAssociateProf.ZangLieSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringApril,2014万方数据万方数据承诺书本人声明所呈

3、交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：万方数据万方数据南京航空航天大学硕士学位论文摘要随着网络规模的日趋庞大，结构的日益复杂和多变，传统的解决单个网络安全问题的方法已

4、经无法满足需求。对网络的整体运行情况进行感知和预测，已经逐渐成为当前网络安全领域的研究热点之一。网络安全态势预测作为网络安全态势感知的重要内容，使网络安全管理从被动变为主动。目前网络安全态势预测仅仅利用当前和过去的网络安全态势值对未来一段时间进行预测，这种方法预测数据单一，未结合各种环境影响因素。针对以上问题，本文主要工作和创新点如下：（1）深入研究了影响网络安全态势的各种环境因素。由于影响网络安全态势的环境因素较多，为了权衡预测的精度和效率，本文利用灰关联熵分析方法选出与网络安全态势关联程度较大的影响因素，并给出了完整的基于灰

5、关联熵和Kalman的网络安全态势感知模型。（2）提出了GRE-Kalman预测算法。结合选出的网络安全态势的关键因素，提出了基于灰关联熵的Kalman预测算法(GRE-Kalman)。GRE-Kalman预测模型适用于任意个影响因素，可根据需要确定影响因素的个数。通过结合影响因素进行预测，提高了预测的精度和算法的适应性。（3）提出了AP-Kalman预测算法。结合灰关联熵分析方法选出的关键因素攻击强度，分别利用前一个时间段的攻击强度、前二个时间段的攻击强度、前三个时间段的攻击强度、前一个时间段的攻击强度和前一个时间段的网络安全

6、态势建立不同的预测模型，实验结果表明利用前二个时间段的攻击强度建立的模型预测效果较好，将该模型命名为AP-Kalman算法。AP-Kalman算法预测精度比GRE-Kalman算法高，说明AP-Kalman算法是可行的。关键词：网络安全态势，态势评估，Kalman滤波，预测I万方数据基于Kalman算法和灰关联熵的网络安态势预测方法研究ABSTRACTWiththeprevalenceofinternetandthecomplexityofnetworkstructure,thetraditionalmethods,whicha

7、reusedtoresolvesinglesecurityquestion,aredifficulttofillthedemandsofsecurity.Assessingandforecastingtheentirenetworksecuritystatushasbecameoneofhotspotsinthefieldofnetworksecurity.Networksecuritysituationprediction,asanimportantpartofnetworksecuritysituationassessing

8、,madeitpossibleforadministratortoprotectthesecurityofthenetworksystemactively.Thetraditionalmethodsofnetworksecuritysituationpredic