韩磊，刘吉强，王健，石波，和旭东

（1.北京计算机技术及应用研究所，北京 100854；2.信息保障技术重点实验室，北京 100072；3.北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室，北京 100044）

1 引言

网络信息智能化防御中，网络安全态势感知是前提和基础。网络安全态势感知能够对引起网络安全态势变化的要素进行获取、理解、评估、可视化及预测未来发展趋势。其中，网络安全态势评估能够从宏观上动态反映网络的安全状态，当前网络层面的态势评估方法相对成熟[1]，虽有差异，但从研究思路及对态势感知的诠释[2]上接受并延续了JDL（joint directors of laboratories）数据融合思想[3]和Endsley态势感知层次模型[4]。

网络安全态势评估常规过程是：利用网络探针或网络传感器收集全网态势数据[5-8]，利用数据融合的方式处理态势要素[9-12]，使用数学模型、知识推理、模式识别等基于知识的方法对网络安全态势进行量化评估。随着网络攻防博弈的不断演进，大数据分析和机器学习等基于数据的方法[13-16]在感知、察觉网络状态、检测网络攻击、预测网络风险等方面不断有所突破，逐渐形成了针对网络安全的态势感知体系，并通过基于知识、基于数据及知识和数据融合的方法，建立了对网络安全要素认知−理解−评估的模式，在评估网络宏观安全态势方面给出了有效的解决途径。但在微观具体化、针对性方面还存在不足，具体表现为：该评估方法仅反映出单位时间内网络宏观安全状态及变化趋势，无法在微观层有针对性地呈现出网络中高安全属性价值设备（这种设备通常处于网络信息系统的关键位置，是对系统安全、稳定运行具有决定性作用的核心设备。……