论文部分内容阅读
随着互联网、移动互联网以及物联网的不断普及,当前的网络环境不断趋于复杂化。因此网络安全威胁的种类、严重性不断增加,传统的网络安全防护手段迎来了巨大的挑战。而网络安全态势感知不仅能够对当前的网络环境的安全状态变化形成及时的监测,而且能够基于收集的网络历史数据对未来一段时间内的网络发展态势进行有效预测,因此网络安全态势感知技术有很大的研究价值。本文对网络安全态势感知技术中态势评估和态势预测进行深入研究,本文的研究内容如下:1.分析并结合真实网络防御数据集(CSE-CIC-IDS2018)相关数据内容,构建网络安全态势评估指标体系。该指标体系将态势要素从脆弱性、容灾性、威胁性和稳定性四个方面进行划分,并提出标称型二级指标的量化公式,使得态势要素能从不同的维度综合衡量网络环境的安全状态。2.提出一种基于遗传算法优化改进的支持向量机模型参数的算法实现网络安全的态势评估。本文通过分析线性核函数与高斯核函数的特性,实现一种新的融合核函数,其能够动态的兼顾全局与局部特征。同时为了解决传统支持向量机算法采用网格搜索方式进行参数寻优的效率较低和陷入局部最优解的缺点,本文采用遗传算法对改进的支持向量机算法的惩罚参数C、指数d、带宽σ和权重系数λ四个参数进行寻优。实验结果表明,该方案在小样本空间中能取得95%的评估准确率。3.提出一种基于模拟退火-粒子群算法优化改进的Elman神经网络参数的算法实现网络安全的态势预测。本文在传统的双隐层结构的基础上加以改进,通过增加序列承接层,将之前部分时间片内的输出结果进行存储,随机选取并按时序权重进行累加,再传入到隐层中使历史输出结果能对模型训练起到影响,符合网络安全态势的周期性特点。同时针对神经网络训练容易陷入局部最优解的缺点,采用基于粒子群算法的改进,模拟退火-粒子群算法对于Elman神经网络的参数进行寻优,实现对网络安全态势的准确预测。通过实验分析,该方案具有良好的态势预测正确率。