【摘要】：隨著網(wǎng)絡(luò)基礎(chǔ)設(shè)施的完善和物聯(lián)網(wǎng)技術(shù)的發(fā)展,網(wǎng)絡(luò)成為日常生活中不可或缺的要素并使得事物之間的聯(lián)系更加緊密。大數(shù)據(jù)時(shí)代,網(wǎng)絡(luò)規(guī)模和數(shù)據(jù)量的爆炸性增長(zhǎng)演化出網(wǎng)絡(luò)大數(shù)據(jù),這影響和改變了人們的工作和生活。同時(shí),社會(huì)各界都非常重視網(wǎng)絡(luò)安全問題,基于大數(shù)據(jù)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知的研究成為網(wǎng)絡(luò)安全領(lǐng)域的新熱點(diǎn)。網(wǎng)絡(luò)大數(shù)據(jù)是指基于網(wǎng)絡(luò)環(huán)境的多元世界互動(dòng)所產(chǎn)生的大數(shù)據(jù)。這些數(shù)據(jù)是廣泛可用的、多源異構(gòu)的、有高噪聲的并且交互性和突發(fā)性強(qiáng)。其中不僅包含豐富的非結(jié)構(gòu)化數(shù)據(jù)和復(fù)雜的關(guān)聯(lián)知識(shí),而且數(shù)據(jù)以動(dòng)態(tài)快速生成的流式數(shù)據(jù)的形式存在有很強(qiáng)的時(shí)效性。在諸多網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)中,主要的方法是通過(guò)分析網(wǎng)絡(luò)中的數(shù)據(jù)記錄來(lái)識(shí)別網(wǎng)絡(luò)行為及其可能造成的影響。然而,在大數(shù)據(jù)背景下,現(xiàn)有的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型資源開銷大、分析結(jié)果的精度低、準(zhǔn)確率低、處理效率低、不能應(yīng)用于實(shí)時(shí)和大規(guī)模的場(chǎng)景等缺點(diǎn)。為克服這些缺陷和不足,本文結(jié)合網(wǎng)絡(luò)大數(shù)據(jù)的特征,提出了四種基于分布式數(shù)據(jù)分析技術(shù)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。首先,基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。在模型中根據(jù)數(shù)據(jù)記錄的特征進(jìn)行數(shù)據(jù)的簡(jiǎn)化和清洗,從而解決數(shù)據(jù)多源異構(gòu)和高噪聲的問題。并以三層前饋神經(jīng)網(wǎng)絡(luò)作為模型的核心,利用神經(jīng)網(wǎng)絡(luò)的誤差逆反饋策略提高模型分析的精度和準(zhǔn)確率。其次,基于隨機(jī)森林的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。模型通過(guò)數(shù)據(jù)特征分析對(duì)數(shù)據(jù)進(jìn)行降維處理,從而突出數(shù)據(jù)記錄的特征屬性并減少無(wú)效數(shù)據(jù),以此降低模型的資源開銷和對(duì)網(wǎng)絡(luò)硬件設(shè)備配置的依賴。隨機(jī)森林算法作為模型的核心,它使模型能夠區(qū)分各種網(wǎng)絡(luò)行為活動(dòng)。第三,基于星型結(jié)構(gòu)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。在這個(gè)模型中,數(shù)據(jù)記錄關(guān)聯(lián)性和獨(dú)立性問題可以通過(guò)優(yōu)化關(guān)聯(lián)規(guī)則挖掘算法來(lái)解決�；跇闼刎惾~斯算法作為模型的核心,通過(guò)局部預(yù)測(cè)結(jié)果的融合高效的分析整個(gè)網(wǎng)絡(luò)環(huán)境的變化趨勢(shì)。第四,自適應(yīng)網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。模型利用數(shù)據(jù)特征動(dòng)態(tài)生成網(wǎng)絡(luò)態(tài)勢(shì)異常庫(kù),有效的解決了快速動(dòng)態(tài)生成的網(wǎng)絡(luò)數(shù)據(jù)流的分析和處理問題。以動(dòng)態(tài)時(shí)間規(guī)整算法作為模型的核心,結(jié)合離線學(xué)習(xí)和在線學(xué)習(xí)的特點(diǎn)分析處理流式網(wǎng)絡(luò)大數(shù)據(jù),使得模型能夠有效應(yīng)對(duì)數(shù)據(jù)流的廣泛性、突發(fā)性和無(wú)序性等問題。本文提出的四種模型是專門為解決大數(shù)據(jù)問題而設(shè)計(jì)的解決方案,模型的結(jié)構(gòu)復(fù)雜并與分布式平臺(tái)相集成,這能夠有效解決資源開銷、分析精度和實(shí)時(shí)性等問題。它們的基本思路是通過(guò)多種不同的并行化算法分別實(shí)現(xiàn)模型的不同功能,首先對(duì)網(wǎng)絡(luò)大數(shù)據(jù)進(jìn)行清洗預(yù)處理,然后,對(duì)預(yù)處理的數(shù)據(jù)進(jìn)行安全態(tài)勢(shì)的理解分析,根據(jù)理解的結(jié)果得出安全態(tài)勢(shì)的感知結(jié)果。本文提出的四種模型應(yīng)用在大規(guī)模數(shù)據(jù)集上有著良好的效果。
【圖文】：

圖 2.8 并行和串行時(shí)間對(duì)比圖中可以看出，模型在分布式平臺(tái)上并行化的運(yùn)行所消耗的時(shí)間更更高。從實(shí)驗(yàn)結(jié)果得出面對(duì)大數(shù)據(jù)量時(shí)，分布式并行化處理是一種了進(jìn)一步驗(yàn)證該模型的處理效率和性能，設(shè)計(jì)并實(shí)現(xiàn)了四組比對(duì)實(shí)一樣的實(shí)驗(yàn)環(huán)境下，對(duì)同一數(shù)據(jù)集使用了模型中的四種不同的算法如圖 2.9 所示。在第一種方法中只使用分布式并行化的聚類算法來(lái)對(duì)行分析。從圖中可以看出，實(shí)驗(yàn)結(jié)果很差。因?yàn)�，�?shù)據(jù)的高維度影算法的準(zhǔn)確性。第二種方法中加入降低數(shù)據(jù)維度的操作，，然后再對(duì)理。檢測(cè)率有了很大提高。數(shù)據(jù)降維后效果非常好。因此，在第三采用經(jīng)過(guò)同樣降維處理的數(shù)據(jù)集，然后對(duì)數(shù)據(jù)集進(jìn)行關(guān)聯(lián)規(guī)則分析于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型。首先進(jìn)行數(shù)據(jù)清洗，然后進(jìn)分析。利用神經(jīng)網(wǎng)絡(luò)對(duì)初步分析結(jié)果進(jìn)行調(diào)整，得到最終結(jié)果。如文提出的模型的檢測(cè)率最高。

圖 2.9 四種方法的檢測(cè)率比較為了驗(yàn)證分布式并行化模型的加速性，本次實(shí)驗(yàn)選擇了 1-5 節(jié)點(diǎn)作為實(shí)選取“并行和串行時(shí)間對(duì)比”實(shí)驗(yàn)中最大的數(shù)據(jù)作為測(cè)試數(shù)據(jù)集。加速計(jì)算公式如下:（2T1：在單機(jī)環(huán)境中的串行所消耗的時(shí)間，T2：在集群的分布式環(huán)境中并行所消耗的時(shí)間。驗(yàn)結(jié)果如圖 2.10 所示。如圖中所示節(jié)點(diǎn)數(shù)量不斷增加，模型的加速隨之上升。然而，當(dāng)節(jié)點(diǎn)數(shù)目為 3 到 4 時(shí)，曲線的增長(zhǎng)速率變緩慢。增加節(jié)點(diǎn)數(shù)量導(dǎo)致它們相互之間的通信成本增大。節(jié)點(diǎn)之間的通信將資源和時(shí)間。從實(shí)驗(yàn)中可以看出，基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知確率，誤檢率，時(shí)間和效率等方面表現(xiàn)良好。
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張晶;薛冷;容會(huì);王劍平;付曉東;;基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合技術(shù)研究[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

2 劉玉嶺;馮登國(guó);連一峰;陳愷;吳迪;;基于時(shí)空維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)研究與發(fā)展;2014年08期

3 孫大為;張廣艷;鄭緯民;;大數(shù)據(jù)流式計(jì)算:關(guān)鍵技術(shù)及系統(tǒng)實(shí)例[J];軟件學(xué)報(bào);2014年04期

4 劉智慧;張泉靈;;大數(shù)據(jù)技術(shù)研究綜述[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年06期

5 馮登國(guó);張敏;李昊;;大數(shù)據(jù)安全與隱私保護(hù)[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

6 張引;陳敏;廖小飛;;大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J];計(jì)算機(jī)研究與發(fā)展;2013年S2期

7 王元卓;靳小龍;程學(xué)旗;;網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J];計(jì)算機(jī)學(xué)報(bào);2013年06期

8 馮芷艷;郭迅華;曾大軍;陳煜波;陳國(guó)青;;大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題[J];管理科學(xué)學(xué)報(bào);2013年01期

9 李國(guó)杰;程學(xué)旗;;大數(shù)據(jù)研究:未來(lái)科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J];中國(guó)科學(xué)院院刊;2012年06期

10 ;工信部發(fā)布《物聯(lián)網(wǎng)“十二五”發(fā)展規(guī)劃》[J];信息安全與通信保密;2012年03期

本文編號(hào)：2692715