基于贝叶斯网络攻击图的动态风险评估方法研究

发布时间：2020-03-28 00:37

【摘要】：当前,随着漏洞数量的持续增长,网络安全则面临着越来越严重的挑战。网络攻击行为也由以往的孤立事件逐渐演变为大规模协同攻击。如何准确刻画多步攻击行为,实时量化网络安全风险是目前相关研究人员急需解决的问题。因此针对此问题,本文做了以下研究。首先,将入侵检测系统与攻击图相结合提出生成贝叶斯网络攻击图模型的构建算法。该算法联合主机漏洞枚举所有可能攻击路径构建攻击图模型。该模型不仅可以直观描述多步攻击过程,而且结合入侵检测系统的警报信息通过贝叶斯网络概率公式可以实时量化网络安全风险。其次,针对入侵检测系统如何对贝叶斯网络攻击图中的节点进行攻击行为检测做了进一步研究。为了保证入侵检测系统能够有效检测出网络中的异常行为,本文提出遗传算法和随机森林相结合的异常检测算法。本文所提方法可以有效检测出网络中的攻击行为,保证了后续评估网络安全风险的合理性和准确性。再次,为了实现对整个网络的实时动态风险评估,本文提出基于贝叶斯网络攻击图的动态风险评估方法,该方法通过量化贝叶斯网络攻击图中的节点信息和结合入侵检测系统的警报信息,实时计算攻击图中节点的攻击威胁度,进而利用主机节点重要性权重与节点风险指数进行整个网络风险的量化,实时动态评估网络风险。最后,本文实验在Windows平台下使用Python语言实现,验证本文所提方法的有效性和可行性。
【图文】：

普及率,中国网,互联网

第 1 章绪论第 1 章绪论研究背景和意义近年来，随着互联网的普及，人们的生活已经和互联网息息相关。从中国息中心(CNNIC)发布的报告中我们可以得知，我国网民数量自 2007 年以来以上千万的增长速度在不断扩大。而互联网的普及率也已经从 2007 年的 1 2017 年的 55.8%。我们可以从图 1-1 中看出近年来网民数量和网络普及率长情况。

过程图,遗传算子,过程,特征选择

图 3-5 遗传算子的交叉过程图 3-6 遗传算子的变异过程算法的终止条件是达到之前所设定的迭代次数或是所选出的染色体不出特征选择阶段，本文设置迭代次数为 10 次。文所提算法详细步骤如算法 3.1 所示，算法 3.2 为特征选择阶段染色体。法 3.1 基于遗传算法和随机森林的特征选择入: 训练集trainD ，测试集testD出: 选择出的最优特征子集 X行过程：1) 设定初始种群 {,,...,};1 2nP XXX2) int i=1 ;
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.08

【相似文献】