网络安全态势量化评估与预测方法研究

《网络安全态势量化评估与预测方法研究》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、分类号TN918.1密级公开UDC621.39学位论文编号D-10617-308-(2016)-01193重庆邮电大学硕士学位论文中文题目网络安全态势量化评估与预测方法研究英文题目ResearchonNetworkSecuritySituationQuantitativeEvaluationandPredictionMethod学号S130101229姓名张新跃学位类别工学硕士学科专业信息与通信工程指导教师李方伟教授完成日期2016年6月8日重庆邮电大学硕士学位论文摘要摘要随着计算机网络的共享与开放程度不断提高以及规模不断扩大，传统的单点防御手段难以

2、满足当前网络安全的需求，网络安全态势感知作为一种新的自主防御手段应运而生。态势感知可以从大量的信息中获取态势要素，并对网络的整体安全进行有效地评估和预测，其中态势评估和态势预测是态势感知的关键部分。本文主要利用信息融合和径向基函数(RadicalBasisFunction,RBF)神经网络分别对网络安全态势进行量化评估和态势预测。具体工作如下：第一，为了更加全面有效地反映网络安全态势，提出了一种基于信息融合的网络安全态势评估模型。模型从三个方面对网络安全态势进行评估，最后将三者进行融合得到网络的安全态势。在评估攻击方面，针对分布式拒绝服务(Distr

3、ibutedDenialofService,DDoS)攻击评估不准确的问题，提出了以数据包信息为原始数据的攻击威胁评估方法，提高了评估的准确性；在评估漏洞方面，对原有的通用弱点评价体系进行改进并对漏洞脆弱性进行评估，使得评估更加全面；在评估节点权重方面，结合客观权重和主观权重，利用序列二次规划算法对组合权重进行寻优，降低了融合的不确定性。为了验证所提模型的必要性和有效性，搭建入侵检测平台，使用DARPA2000数据集进行检测。仿真对比结果表明，提出的模型和方法能够有效提高评估结果的准确度。第二，为了提高RBF神经网络对网络安全态势的预测精度，提出了一

4、种基于吸引力传播(AffinityPropagation,AP)聚类和差分进化(DifferentialEvolution,DE)优化RBF神经网络算法。首先，利用AP聚类算法对样本数据进行划分聚类，从而获得RBF的中心和网络的隐含层节点数；其次，利用AP聚类得出种群差异度，自适应地改变DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索。通过仿真结果表明，本文算法使RBF神经网络泛化能力得到增强的同时，也提高了网络安全态势的预测精度。关键词：态

5、势感知，信息融合，态势评估，径向基函数神经网络，态势预测I重庆邮电大学硕士学位论文AbstractAbstractWiththeincreasingofthesharing,opennessandscaleofthecomputernetwork,traditionalsinglepointdefenseisdifficulttomeettheneedsofthecurrentnetworksecurity,sonetworksecuritysituationalawarenessasanewwayofself-defenseisproposed.S

6、ituationelementscanbeobtainedfromalargenumberofinformation.Theoverallsecurityofthenetworkisevaluatedandpredictedeffectively.Situationassessmentandsituationpredictionarethekeypartofsituationawareness.Thisthesismainlystudiesthequantitativeevaluationandpredictionbasedonradicalbasi

7、sfunction(RBF)neuralnetwork.Wehaveresearchinthefollowingtwoaspects.First,inordertoreflectthesituationofnetworksecurityassessmentperformancefullyandaccurately,anewnetworksecuritysituationalawarenessmodelbasedoninformationfusionwasproposed.Networksecuritysituationistheresultoffus

8、ionthreeaspectsevaluation.Intermsofattack,toimprovethe