网络安全态势感知关键技术研究

发布时间：2017-09-04 10:41

  本文关键词：网络安全态势感知关键技术研究

  更多相关文章： 网络安全态势感知 Agent 径向基神经网络 灰色理论

【摘要】：网络安全形式的日益恶化给传统的网络安全技术带来了极大的挑战,现有的网络监测设备只能根据网络实时的有限信息对网络的安全状态进行判定,信息来源少、预警质量低下,不仅难以获知实时威胁状态,更谈不上对网络的预期状态进行预测。态势感知源至空中交通监管、核反应控制、军事战场等领域,继而被引入到信息安全防御措施中。这项技术在网络中的应用主要依托异构多源网络信息,采用信息融合的方式实时进行处理,对网络中的威胁及安全形式进行分析,在根据当前状态为网络管理者做出决策提供信息依据的同时,对未来的网络安全状态进行合理预测,挖掘出信息安全隐患。本文介绍了网络安全态势感知研究的基本情况,通过建模并利用综合的网络安全态势感知指标体系对各类信息进行融合处理的基础上,实现了基于多源异构数据的网络安全态势评估及预测。首先,本文介绍了网络安全态势感知的基本概念以及其国内外的发展现状。在对现有模型进行分析的基础上,结合Endsley模型的思想和背景需求,构建网络安全态势感知系统框架模型,研究了具有自适应和高可扩展性能的态势感知系统,构建基于Agent的网络安全态势感知系统模型,指导实现网络安全态势感知的各项关键技术的研究。其次,将数据融合的思想应用于数据特征层,将异构多源数据剔除无效噪声统一格式后融合应用,提出一种基于RBF神经网络的特征层数据融合算法,以提高提取网络态势要素的准确性,并通过实验验证了方法的可行性。再次,建立了网络安全态势衡量指标体系,为网络安全态势提供科学依据,以实现网络安全态势的定量感知,解决网络系统的安全问题。最后,基于灰色理论的网络安全态势评估模型,提出了一种新的网络安全评估方式。
【关键词】：网络安全态势感知 Agent 径向基神经网络 灰色理论
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.08
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-22
• 1.1 选题背景和意义14-16
• 1.2 国内外研究现状16-18
• 1.3 论文的研究内容18-19
• 1.4 论文的主要工作及创新点19
• 1.5 论文的组织结构19-22
• 第二章 课题相关理论及技术基础22-32
• 2.1 网络安全态势感知22-25
• 2.1.1 网络安全态势感知起源及概念22-24
• 2.1.2 网络安全态势感知的应用24-25
• 2.2 网络安全态势感知中的关键技术25-32
• 2.2.1 网络安全态势感知的建模26
• 2.2.2 网络安全态势感知中的数据融合26-28
• 2.2.3 网络安全态势评估技术28-29
• 2.2.4 网络安全态势预测技术29-30
• 2.2.5 网络安全态势感知中的可视化技术30-32
• 第三章 基于Agent理论的NSSA框架构建32-46
• 3.1 NSSA建模32-34
• 3.1.1 Endsley模型的基本概念32-33
• 3.1.2 层次化的感知模型33-34
• 3.2 基于Agent理论的NSSA建模34-42
• 3.2.1 Agent理论的基本概念34-37
• 3.2.2 基于Multi-Agent理论的NSSA模型37-42
• 3.2.3 层次化网络感知的数学模型42
• 3.3 网络安全态势感知的评价指标体系42-46
• 3.3.1 安全态势的定性评价指标体系43
• 3.3.2 安全态势的定量评价指标体系43-44
• 3.3.3 NSSA指标体系的建立44-46
• 第四章 基于径向基神经网络的多源数据融合46-64
• 4.1 NSSA中的多源数据融合46-47
• 4.2 径向基神经网络简介47-53
• 4.2.1 人工神经网络理论简介47-48
• 4.2.2 径向基函数神经元模型48-49
• 4.2.3 径向基函数网络的结构49-50
• 4.2.4 径向基函数网络的学习过程50-53
• 4.3 改进的两阶段学习RBF神经网络模型53-56
• 4.3.1 模糊C-均值聚类53-55
• 4.3.2 递阶遗传算法55
• 4.3.3 两阶段学习流程55-56
• 4.4 基于径向基神经网络的NSSA评估方法56-57
• 4.5 实验与仿真57-64
• 4.5.1 多源数据的选取58
• 4.5.2 RBF神经网络模型构建58-60
• 4.5.3 RBF神经网络的学习60-61
• 4.5.4 基于RBF神经网络的NSSA评估61-64
• 第五章 基于灰色理论的NSSA评估及预测64-70
• 5.1 灰色系统64-67
• 5.1.1 灰色系统的基本概念64
• 5.1.2 GM灰模型64-65
• 5.1.3 残差修正GM模型65-67
• 5.1.4 GM模型的适用范围67
• 5.2 基于灰色理论的NSSA预测67-68
• 5.2.1 现有网络安全态势预测方法67
• 5.2.2 基于灰色理论的NSSA预测流程67-68
• 5.3 实验与仿真68-70
• 第六章 结论与展望70-72
• 参考文献72-74
• 致谢74-75
• 作者简介75-76

【参考文献】

中国期刊全文数据库 前8条

1 陈虹;王飞;肖振久;孙丽娜;;一种融合多源数据的网络安全态势评估模型[J];计算机工程与应用;2015年17期

2 叶健健;文志诚;吴欣欣;;基于贝叶斯方法的网络安全态势感知模型[J];湖南工业大学学报;2014年03期

3 黄同庆;庄毅;;一种实时网络安全态势预测方法[J];小型微型计算机系统;2014年02期

4 李淳;赵建保;申晓留;;多评估时间段的网络安全态势感知方法[J];计算机应用;2013年12期

5 王春雷;方兰;王东霞;戴一奇;;基于知识发现的网络安全态势感知系统[J];计算机科学;2012年07期

6 陈秀真;郑庆华;管晓宏;林晨光;;层次化网络安全威胁态势量化评估方法[J];软件学报;2006年04期

7 姚婷婷;郑庆华;管晓宏;陈秀真;;一种基于主机实时流量的安全评估方法[J];西安交通大学学报;2006年04期

8 石红瑞,刘勇,刘宝坤,李光泉;基于混合递阶遗传算法的径向基神经网络学习算法及其应用[J];控制理论与应用;2002年04期

，

本文编号：791053