基于多传感器数据融合的网络安全态势评估及预测模型研究

发布时间：2024-02-24 04:37

　　随着计算机网络规模的不断扩大，网络用户数量急剧增长，各类网络安全事件也层出不穷，因此计算机网络面临着严峻的挑战。目前，对网络安全的研究还主要集中在对入侵检测方法的研究上面，但是随着网络的复杂性和不确定性的增加，对网络安全态势的研究势必会成为一个趋势。对网络安全态势的研究，可以综合各方面的安全要素从整体上动态地反应整个网络的安全状态，并且对其安全状态做出及时准确的预测。 本文主要构建了计算机网络安全态势的评估和预测模型。在分析总结了现有的一些网络安全态势评估方法以及预测算法后，本文提出了一种基于多传感器数据融合的网络安全态势评估及趋势预测模型。首先，对各个传感器的数据进行预处理，得到服务器和攻击的规范化数据，利用集对分析理论融合来自多个传感器的数据得到主机的安全态势；然后，采用自下而上的层次化的安全态势量化评估模型评估网络的整体态势；最后，采用ARIMA时间序列预测模型、RBF神经网络预测模型、回声状态网络预测模型三种方法分别对网络安全态势进行预测，构建态势预测模型。通过对DARPA1999和DARPA2000数据集的分析，证明集对分析比传统方法更能够对网络态势所处的级别进行明确划分，更...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究的背景
    1.2 课题研究现状
    1.3 研究动机
    1.4 本文组织结构
第二章 网络安全态势感知体系及关键技术
    2.1 网络安全态势感知的概念
    2.2 网络安全态势感知的关键技术
        2.2.1 数据挖掘技术
        2.2.2 基于多传感器的数据融合技术
        2.2.3 态势评估技术
        2.2.4 态势预测技术
    2.3 本章小结
第三章 基于集对分析的网络安全态势评估模型
    3.1 集对分析原理
    3.2 应用集对分析进行态势评估的基本步骤
    3.3 网络安全态势评估模型
        3.3.1 网络安全态势要素
        3.3.2 网络安全态势评估模型
    3.4 应用集对分析进行态势评估的优势
    3.5 本章小结
第四章 网络安全态势预测模型
    4.1 基于 ARIMA 的网络安全态势预测模型
        4.1.1 ARIMA 模型简介
        4.1.2 将 ARIMA 模型用于态势预测的基本步骤
    4.2 基于 RBF 神经网络的网络安全态势预测模型
        4.2.1 RBF 神经网络的原理简介
        4.2.2 将 RBF 神经网络用于网络安全态势预测的基本步骤
    4.3 基于回声状态网络的网络安全态势预测模型
        4.3.1 回声状态网络的原理简介
        4.3.2 将回声状态网络用于网络安全态势预测的基本步骤
    4.4 本章小结
第五章 网络安全态势感知系统实验与结果分析
    5.1 实验一：网络安全态势评估实验
        5.1.1 实验环境和实验数据
        5.1.2 实验步骤
        5.1.3 实验结果
    5.2 实验二：三种预测模型的实现与比较
        5.2.1 实验环境与实验数据
        5.2.2 ARIMA 预测实验
        5.2.3 RBF 神经网络预测实验
        5.2.4 ENSs 预测实验
        5.2.5 预测效果对比
    5.3 本章小结
第六章 主要结论与展望
    6.1 主要结论
    6.2 展望
致谢
参考文献
附录: 作者在攻读硕士学位期间发表的论文



本文编号：3908535