基于机器学习算法的网络空间拟态安全分层检测技术
2021-10-10赵继业
电子设计工程 2021年19期
赵继业
(广东省中医院 信息处,广东广州 510120)
拟态安全防御主要针对网络空间中信息单一化的系统进行动态安全防御,以互联网为基础,构建防御体系一体化的基本拟态安全防御结构。应对基于未知漏洞后门或病毒木马等未知攻击时存在防御体制和机制上的脆弱性。由钓鱼、在服务软件中捆绑恶意功能、在跨平台解释执行文件中推送木马病毒代码、通过用户下载行为携带有毒软件等不依赖拟态界内未知漏洞或后门等因素而引发的安全威胁,拟态防御效果不确定。
文献[1]中应用以安全性能基本信息测试的方式融入互联网载体中,再应用互联网自身的防火墙系统进行网络空间拟态安全防御检测,这种方式下的网络空间拟态安全分层检测能够渗入至更深层的指令系统中,满足安全分层检测的深度性要求。文献[2]中的拟态安全分层检测技术主要基于动态化目标防御体系,在整个防御系统中引用动态化与随机性信息阻断技术,在黑客攻击的过程中需要突破阻断技术的拦截,且需要提高攻击成本。文中提出的基于机器学习算法的网络空间拟态安全分层检测技术,是一种既能防御又能检测的拟态安全分层检测技术。
1 网络空间拟态安全数据层提取
目前的网络空间具有多维性、高覆盖性特点,其中含有大量的审计数据以及分层数据,在高维度和大数据量环境下进行拟态安全防御与检测工作,将会需要巨大的时间与资源成本,为此需要将网络空间中的部分数据进行分层提取与降维处理,减少后期检测数据的划分困难程度[3-5]。……
登录APP查看全文
