论文部分内容阅读
随着信息时代的来临,计算机和通信技术得到了飞速的发展,它们对人们的生活产生了日益重要的影响。但与此同时,计算机网络和操作系统本身的漏洞也越来越多的暴露在人们面前,利用计算机网络的各种违法犯罪活动层出不穷,不仅造成了巨大的财产损失,甚至威胁到了国家整体的信息安全。因此,及时了解当前网络状态并预测其发展趋势成为保障各网络服务安全所急需解决的问题。为了对网络态势进行预测,结合网络自身的特征,本文首先提出了四套相互关联,且覆盖了整个网络各个层面的指标体系,它们定量描述了网络各个部分的特征并通过综合计算最终得出描述网络总体状态的网络安全态势值。在得到对网络安全态势的定量描述数据后,我们就可以通过分析该基于时间序列的数据集,对网络态势进行预测。本文主要工作包括以下几个方面:(1)提出了一个基于RBF神经网络的网络安全态势预测算法;(2)设计并实现了一个网络安全态势感知与趋势分析系统。针对网络态势预测,本文主要采用了基于RBF神经网络的安全态势预测方法。神经网络是模拟人脑神经网络的结构与功能特征的一种技术系统。它用大量的非线性并行处理器来模拟众多的人脑神经元,用处理器间错综灵活的连接关系来模拟人脑神经元间的突触行为,是一种大规模并行的非线性动态系统。与传统预测方法相比,它具有高度的非线性运算和映像能力,能以任意精度逼近函数关系,具有很强的适应能力,预测精度较高。我们在分析传统神经网络算法的基础上,针对其不足提出了相应的改进并将其运用到态势预测中。随后,我们对系统进行了总体设计,其中包括总体结构设计,数据库设计及界面设计。并着重实现了网络安全态势预测子系统。该子系统主要包括缓存,数据预处理,RBF神经网络结构确定,权值调整四个模块。其中缓存模块主要负责数据的优化存储,数据预处理模块负责样本数据的准备,而后两个模块则实现对历史数据的分析并得出预测值。最后,我们对系统进行了测试。通过在实际网络环境中的运行,我们发现原型系统能够有效地对网络态势进行预测并指明其发展趋势。