面向APT攻击的网络安全威胁隐蔽目标识别方法
发布时间：2021-09-04 22:03
针对当前网络APT隐蔽目标攻击识别方法准确率低、攻击识别耗时长的问题,提出面向APT攻击的网络安全威胁隐蔽目标识别方法.引入关联规则算法构建隐蔽目标识别模型,据此构建APT攻击隐蔽目标识别的总体框架,根据APT目标档案属性相关性计算网络安全威胁之间的关联规则,根据关联规则提取APT目标档案数据,通过可信度计算实现APT攻击下的网络安全威胁隐蔽目标识别.仿真实验表明,所提方法具有较高的攻击识别准确率,且攻击识别耗时短,能够高效、准确地实现APT攻击下网络安全威胁隐蔽目标识别.
【文章来源】：沈阳工业大学学报. 2020,42(03)北大核心
【文章页数】：5 页
【部分图文】：
实验环境Fig.2Experimentalenvironment
所示．图1隐蔽目标识别总体框架Fig.1Overallframeworkforhiddentargetrecognition图1中，F1、F2、F3分别表示操作系统、网络设备和网络设备日志．识别流程为:1)采用APT目标档案根据属性相关性将采集到的日志归成上文;2)利用检测算法整理，并对隐蔽目标相关的攻击行为识别．假设Si"={e1i"，e2i"，…，eki"i"，…}，i"=1，2，3为APT攻击识别框架中i"个来源的全部记录［10］，eji"=(t"，id，aj1，aj2，…，ajm"i")为Si"中j个记录，t"为被记录的时间，id为标识符［11］，aj1，aj2，…，ajm"i"为属性，记录间的关联函数表达式为r(eki"j，ekjj)=1(珔Y(a(eki"j)，a(ekjj))=TＲUE)0(其他{)(8)式中:a(eki"j)为记录eki"j的属性［12］;Y珔为记录相同的属性．根据关联规则对APT目标档案数据提取，可以将不同的网络安全记录关联起来，形式化为A"={Si"，Ｒ，W，C，G}，其中，Si"为网络安全的记录集合;Ｒ为上文的关联规则;W为有效时间;C为攻击的可信度;G为攻击目标．面向APT攻击的网络安全威胁隐蔽目标识别的步骤为:1)确定APT攻击目标，其中有敏感、重要的数据等，构建APT攻击目标源，G={G1，G2，G3，…}代表攻击目标;2)根据目标节点构建APT攻击的阶段模型．对不同来源的记录做关联分析，将形成上文?
图3不同方法的隐蔽目标识别准确率对比结果Fig.3Comparisonofaccuracyforhiddentargetrecognitionwithdifferentmethods2.2目标识别耗时情况测试在对隐蔽目标识别准确率测试的基础上，进一步测试隐蔽目标识别耗时情况，并与文献［6］进行对比，对比结果如图4所示．在测试网络安全威胁隐蔽目标识别耗时时，识别耗时越长，APT隐蔽目标识别的效率越低．分析图4可知，所提方法的隐蔽目标识别耗时较短，说明所提方法可以高效地完成对面向APT攻击的网络安全威胁隐蔽目标识别．图4不同方法的隐蔽目标识别耗时对比结果Fig.4Comparisonoftime-consumptionforhiddentargetrecognitionwithdifferentmethods3结论为了识别APT攻击中的网络隐蔽目标，提出面向APT攻击的网络安全威胁隐蔽目标识别方法．基于关联规则构建了隐蔽APT目标识别模型，设计隐蔽目标识别总体框架，确定APT攻击目标，求出APT攻击可信度，利用绝对相容度更新APT的攻击可信度，实现网络安全威胁隐蔽目标识别．分别对隐蔽目标识别准确率和隐蔽目标识别耗时展开测试，测试结果表明，在隐蔽目标识别攻击时，所提方法具有较高的隐蔽目标识别准确率，隐蔽目标识别耗时较短，可以准确高效地完成对面向APT攻击的网络安全威胁隐蔽目标识别．在未来研究中，将对APT攻击的入侵方式做出更深入的分析，进一步完善所提出的面向APT攻击的网络安全威胁隐蔽目标识别方法研究．参考文献(Ｒeferences):［1］刘科科，王丹辉，郑学欣，等．基于活动行为特征的APT攻击检测方法研究［J］．中国电子科学研究院学报，2019，14(1):90－96．(LIUKe-ke，WANGDa
【参考文献】：
期刊论文
[1]基于活动行为特征的APT攻击检测方法研究[J]. 刘科科,王丹辉,郑学欣,郭静. 中国电子科学研究院学报. 2019(01)
[2]一种基于One-Class SVM和GP安全事件关联规则生成方法研究[J]. 杜栋栋,任星彰,陈坤,叶蔚,赵文,张世琨. 电子学报. 2018(08)
[3]基于关联规则挖掘的电力生产安全事故事件关键诱因筛选[J]. 陈碧云,丁晋,陈绍南. 电力自动化设备. 2018(04)
[4]基于多维频繁序列挖掘的攻击轨迹识别方法[J]. 李洪成,吴晓平,俞艺涵. 海军工程大学学报. 2018(01)
[5]DS证据理论下融合隐式与显式特征的共谋攻击识别推理模型[J]. 赵洁,薛瑞,陈旭,杨雨健. 计算机工程. 2017(11)
[6]基于通信特征的APT攻击检测方法[J]. 戴震,程光. 计算机工程与应用. 2017(18)
[7]基于攻击路径和PCA算法的报警关联方法[J]. 郑剑,周艳丽,刘聪. 计算机工程与设计. 2017(02)
[8]面向多步攻击的网络安全态势评估方法[J]. 杨豪璞,邱辉,王坤. 通信学报. 2017(01)
[9]基于事件驱动的煤矿井下安全事件检测与预警[J]. 王亮. 工矿自动化. 2016(08)
[10]基于攻击规划图的实时报警关联方法[J]. 张靖,李小鹏,王衡军,李俊全,郁滨. 计算机应用. 2016(06)
本文编号：3384088
【文章来源】：沈阳工业大学学报. 2020,42(03)北大核心
【文章页数】：5 页
【部分图文】：
实验环境Fig.2Experimentalenvironment
所示．图1隐蔽目标识别总体框架Fig.1Overallframeworkforhiddentargetrecognition图1中，F1、F2、F3分别表示操作系统、网络设备和网络设备日志．识别流程为:1)采用APT目标档案根据属性相关性将采集到的日志归成上文;2)利用检测算法整理，并对隐蔽目标相关的攻击行为识别．假设Si"={e1i"，e2i"，…，eki"i"，…}，i"=1，2，3为APT攻击识别框架中i"个来源的全部记录［10］，eji"=(t"，id，aj1，aj2，…，ajm"i")为Si"中j个记录，t"为被记录的时间，id为标识符［11］，aj1，aj2，…，ajm"i"为属性，记录间的关联函数表达式为r(eki"j，ekjj)=1(珔Y(a(eki"j)，a(ekjj))=TＲUE)0(其他{)(8)式中:a(eki"j)为记录eki"j的属性［12］;Y珔为记录相同的属性．根据关联规则对APT目标档案数据提取，可以将不同的网络安全记录关联起来，形式化为A"={Si"，Ｒ，W，C，G}，其中，Si"为网络安全的记录集合;Ｒ为上文的关联规则;W为有效时间;C为攻击的可信度;G为攻击目标．面向APT攻击的网络安全威胁隐蔽目标识别的步骤为:1)确定APT攻击目标，其中有敏感、重要的数据等，构建APT攻击目标源，G={G1，G2，G3，…}代表攻击目标;2)根据目标节点构建APT攻击的阶段模型．对不同来源的记录做关联分析，将形成上文?
图3不同方法的隐蔽目标识别准确率对比结果Fig.3Comparisonofaccuracyforhiddentargetrecognitionwithdifferentmethods2.2目标识别耗时情况测试在对隐蔽目标识别准确率测试的基础上，进一步测试隐蔽目标识别耗时情况，并与文献［6］进行对比，对比结果如图4所示．在测试网络安全威胁隐蔽目标识别耗时时，识别耗时越长，APT隐蔽目标识别的效率越低．分析图4可知，所提方法的隐蔽目标识别耗时较短，说明所提方法可以高效地完成对面向APT攻击的网络安全威胁隐蔽目标识别．图4不同方法的隐蔽目标识别耗时对比结果Fig.4Comparisonoftime-consumptionforhiddentargetrecognitionwithdifferentmethods3结论为了识别APT攻击中的网络隐蔽目标，提出面向APT攻击的网络安全威胁隐蔽目标识别方法．基于关联规则构建了隐蔽APT目标识别模型，设计隐蔽目标识别总体框架，确定APT攻击目标，求出APT攻击可信度，利用绝对相容度更新APT的攻击可信度，实现网络安全威胁隐蔽目标识别．分别对隐蔽目标识别准确率和隐蔽目标识别耗时展开测试，测试结果表明，在隐蔽目标识别攻击时，所提方法具有较高的隐蔽目标识别准确率，隐蔽目标识别耗时较短，可以准确高效地完成对面向APT攻击的网络安全威胁隐蔽目标识别．在未来研究中，将对APT攻击的入侵方式做出更深入的分析，进一步完善所提出的面向APT攻击的网络安全威胁隐蔽目标识别方法研究．参考文献(Ｒeferences):［1］刘科科，王丹辉，郑学欣，等．基于活动行为特征的APT攻击检测方法研究［J］．中国电子科学研究院学报，2019，14(1):90－96．(LIUKe-ke，WANGDa
【参考文献】：
期刊论文
[1]基于活动行为特征的APT攻击检测方法研究[J]. 刘科科,王丹辉,郑学欣,郭静. 中国电子科学研究院学报. 2019(01)
[2]一种基于One-Class SVM和GP安全事件关联规则生成方法研究[J]. 杜栋栋,任星彰,陈坤,叶蔚,赵文,张世琨. 电子学报. 2018(08)
[3]基于关联规则挖掘的电力生产安全事故事件关键诱因筛选[J]. 陈碧云,丁晋,陈绍南. 电力自动化设备. 2018(04)
[4]基于多维频繁序列挖掘的攻击轨迹识别方法[J]. 李洪成,吴晓平,俞艺涵. 海军工程大学学报. 2018(01)
[5]DS证据理论下融合隐式与显式特征的共谋攻击识别推理模型[J]. 赵洁,薛瑞,陈旭,杨雨健. 计算机工程. 2017(11)
[6]基于通信特征的APT攻击检测方法[J]. 戴震,程光. 计算机工程与应用. 2017(18)
[7]基于攻击路径和PCA算法的报警关联方法[J]. 郑剑,周艳丽,刘聪. 计算机工程与设计. 2017(02)
[8]面向多步攻击的网络安全态势评估方法[J]. 杨豪璞,邱辉,王坤. 通信学报. 2017(01)
[9]基于事件驱动的煤矿井下安全事件检测与预警[J]. 王亮. 工矿自动化. 2016(08)
[10]基于攻击规划图的实时报警关联方法[J]. 张靖,李小鹏,王衡军,李俊全,郁滨. 计算机应用. 2016(06)
本文编号：3384088
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3384088.html
