◆陈亚科

（煤炭科学技术研究院有限公司 北京 100013）

传统的网络安全防御体系以孤立的单点防御为主，它在应对当下大数据背景下而衍生出的大量新型网络攻击，如Web 代码注入、DDoS、僵尸网络等，其效力在逐渐降低。寻求一种具备多层次、立体化的网络安全防御体系成为当务之急，也是满足大数据时代网络安全高要求的必然选择。NSSA（Network Security Situational Awareness，网络安全态势感知）被视为当下网络信息安全领域研究的热点课题，伴随多年来的发展如今已拥有了相应成熟的阶段性研究成果，NSSA体系集成融合了传统网络安全的理论，并在攻击性诊断、定位追踪等方面为网络安全保障提供了绝对的支持，它能在大范围网络中提取有价值数据源并将其进行量化感知加以态势预测。从架构设计到数据处理，在UGM-DS 及DS 理论基础的支持下NSSA 可充分应对当今大数据环境下的网络安全风险和挑战。

1 NSSA 架构模型及数据预处理

构建NSSA 模型是展开后续网络安全势态感知的基础，到目前为止，关于NSSA 的应用模型主要包括了JDL 模型、Endsley 模型以及Tim Bass 模型等，其中JDL 模型是应用较多的模型之一，它是面向数据融合的模型，涉及五级处理将操作系统、程序日志以及入侵检测报警等都融入其中。在四到五级的处理中可通过动态监测针对信息进行不断的优化处理，并根据监控的结果来逐渐完善人机交互的方式，最终提高交互运作的效率。在我国，以一种NSSA 的异构融合架构模型（如图1所示）作为应用的主要模型，在此基础上优化并改进了传统基于单源NSSA 的不足，达到了多源融合的目的。……