基于极限学习机的网络安全态势预测模型
2018-08-16瑞李芯蕊马双斌
信息安全研究 2018年8期
王 瑞李芯蕊马双斌
1(甘肃省公安厅网络安全保卫总队 兰州 730030)2(兰州大学甘肃省信息安全等级保护测评中心 兰州 730030)2(兰州大学应用技术研究院有限责任公司 兰州 730030)(313916914@qq.com)
随着互联网的高速发展,网络安全事件的逐年大幅递增,使得网络安全问题成为各国研究的热点.网络安全态势预测是指对网络安全原始数据进行采集后,使用信息识别技术提取网络安全的态势因子,运用合理的安全态势预测方法得到网络安全态势值,并对网络安全状况进行预测[1].围绕安全态势要素、安全态势预测和态势可视化等进行研究;安全态势预测技术是核心问题[2-3].
目前有很多文献对网络安全态势预测方法进行研究,主要采用D-S理论、粗糙集理论、贝叶斯、神经网络、嫡理论和专家系统等方法,都取得了一定的成果,对后续的研究工作起到了积极的指导作用.以Tim Bassb的理论为基础,Salerno等人[4]提出通用的态势感知的框架;Ames等人[5]将隐马尔可夫模型运用到网络安全态势评估领域,通过当前网络状态计算网络威胁值;美国的劳伦斯伯克利国家实验室(Lawrence Berkeley National Lab)利用一种三维空间的视角对网络流量进行描述,提高对威胁的感知能力[6];韦勇等人[7]提出将通过各节点的网络安全态势值的结合,综合评判节点所在网络的安全态势,其特点在于对节点日志信息的关联分析,还通过节点的性能指标对相应的威胁权重进行修正;张勇等人[8]分析态势感知中威胁的传播规律,并建立Markov博弈……
登录APP查看全文
