【摘要】：隨著我國政務云的不斷發(fā)展,政務云環(huán)境下的網絡安全建設已經成為了當下的熱點范疇之一,傳統(tǒng)防御技術缺少對虛擬化環(huán)境中的安全事件進行主動識別的能力,導致傳統(tǒng)的防護手段難以解決云網絡環(huán)境下的安全問題。本文依據國家有關政務云的理念,以安全云落地本地為主旨,立足于采用網絡安全態(tài)勢感知體系構建政務云環(huán)境下的主動防御,直觀地將網絡安全態(tài)勢量化,重點研究了對當前網絡安全態(tài)勢進行評估的技術,以及對未來的網絡安全態(tài)勢進行預測的技術。具體如下:(1)政務云網絡安全態(tài)勢評估技術:針對隱馬爾科夫模型(HMM)參數專家經驗確定,影響評估值的客觀性的問題,給出自適應聚群粒子群算法(ASPSO)優(yōu)化HMM的評估技術。ASPSO算法是在粒子群算法(PSO)的基礎上引入了自適應學習因子與慣性權值,且同時引入了人工魚群算法中的聚群行為特性,因而它不但具有PSO算法的快速收斂特性,還具有聚群行為的全局搜索能力。將優(yōu)化后的HMM用于政務云環(huán)境下的網絡安全態(tài)勢評估,實驗結果表明,評估結果與網絡受攻擊情況的對比具有很好的一致性,表明該方法是客觀合理的。(2)政務云網絡安全態(tài)勢預測技術:針對BP神經網絡訓練時間長和易陷入局部極值影響態(tài)勢預測值精確度的問題,分別給出基于人工魚群算法(AFSA)和自適應遺傳算法(AGA)優(yōu)化BP神經網絡(BPNN)的態(tài)勢預測技術。分別利用AFSA和AGA對連接權值和閾值參數進行優(yōu)化,以獲取更優(yōu)的態(tài)勢預測模型,將優(yōu)化后的預測模型用于政務云環(huán)境下的網絡安全態(tài)勢預測。實驗結果表明,AGA-BPNN、AFSA-BPNN的收斂速度和預測精度都得到了明顯提高。
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：D63;TP393.08
【圖文】：

政務云信息平臺架構

網絡安全態(tài)勢理解政務云的網絡安全態(tài)勢感知的本質就是要保證評估的實時性以及預測的準確性，以

圖3.1粒子群算法流程圖

【參考文獻】

相關期刊論文 前10條

1 席榮榮;云曉春;張永錚;郝志宇;;一種改進的網絡安全態(tài)勢量化評估方法[J];計算機學報;2015年04期

2 方研;殷肖川;李景志;;基于貝葉斯攻擊圖的網絡安全量化評估研究[J];計算機應用研究;2013年09期

3 黃仁全;李為民;張慶波;董雯;;基于ADMPDE-WNN的網絡安全態(tài)勢預測方法[J];電光與控制;2013年05期

4 王庚;張景輝;吳娜;;網絡安全態(tài)勢預測方法的應用研究[J];計算機仿真;2012年02期

5 孟錦;馬馳;何加浪;張宏;;基于HHGA-RBF神經網絡的網絡安全態(tài)勢預測模型[J];計算機科學;2011年07期

6 張勇;譚小彬;崔孝林;奚宏生;;基于Markov博弈模型的網絡安全態(tài)勢感知方法[J];軟件學報;2011年03期

7 賈焰;王曉偉;韓偉紅;李愛平;程文聰;;YHSSAS:面向大規(guī)模網絡的安全態(tài)勢感知系統(tǒng)[J];計算機科學;2011年02期

8 潘鐳;;云計算助推銀行業(yè)務流程再造[J];金融科技時代;2011年01期

9 韋勇;連一峰;;基于日志審計與性能修正算法的網絡安全態(tài)勢評估模型[J];計算機學報;2009年04期

10 李偉明;雷杰;董靜;李之棠;;一種優(yōu)化的實時網絡安全風險量化方法[J];計算機學報;2009年04期

相關碩士學位論文 前2條

1 萬治理;智慧政府視野下“互聯網+政務服務”研究[D];鄭州大學;2017年

2 張青松;基于支持向量機的網絡安全態(tài)勢預測[D];大連海事大學;2015年

本文編號：2791196