隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新興技術(shù)相繼興起,我國互聯(lián)網(wǎng)進(jìn)入新的發(fā)展時(shí)代.同時(shí),網(wǎng)絡(luò)空間面臨的安全威脅也日益嚴(yán)峻,網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)被廣泛使用和研究.安全態(tài)勢(shì)感知模型由態(tài)勢(shì)要素提取、態(tài)勢(shì)理解和態(tài)勢(shì)預(yù)測(cè)組成,安全態(tài)勢(shì)預(yù)測(cè)是整個(gè)安全態(tài)勢(shì)感知模型中最高層次的技術(shù),對(duì)網(wǎng)絡(luò)安全的防御有著重要的作用.首先對(duì)安全態(tài)勢(shì)感知的概念和模型進(jìn)行了歸納梳理,重點(diǎn)介紹了安全態(tài)勢(shì)預(yù)測(cè)的主要研究內(nèi)容和研究熱點(diǎn),分別從傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的人工智能技術(shù)對(duì)安全態(tài)勢(shì)預(yù)測(cè)的關(guān)鍵技術(shù)進(jìn)行了詳細(xì)的綜述,最后對(duì)安全態(tài)勢(shì)預(yù)測(cè)技術(shù)在人工智能時(shí)代下的研究需要解決的問題進(jìn)行了闡述. 

【文章來源】：信息安全研究. 2020,6(06)

【文章頁數(shù)】：8 頁

【部分圖文】：

3層態(tài)勢(shì)感知模型

安全態(tài)勢(shì)預(yù)測(cè)是整個(gè)態(tài)勢(shì)感知模型中最高層次的技術(shù)．網(wǎng)絡(luò)安全態(tài)勢(shì)的預(yù)測(cè)對(duì)網(wǎng)絡(luò)安全的防御有著重要的作用，態(tài)勢(shì)預(yù)測(cè)的定義是對(duì)未來將要發(fā)生的事件或場(chǎng)景進(jìn)行預(yù)先的估計(jì)來判定其發(fā)生可能性的大小，通常需要嚴(yán)謹(jǐn)?shù)恼{(diào)查和觀測(cè)，以及一定的科學(xué)根據(jù)，通過對(duì)相關(guān)的因素進(jìn)行分析和學(xué)習(xí)，建立如圖2所示特定的預(yù)測(cè)模型，才能達(dá)到良好的預(yù)測(cè)效果．由于當(dāng)前的網(wǎng)絡(luò)攻擊多樣復(fù)雜且不確定，隨機(jī)性較高，網(wǎng)絡(luò)安全態(tài)勢(shì)的變化是一個(gè)復(fù)雜的非線性過程，通常采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)來解決此問題．

Markov模型是一種隨機(jī)化方法，用于描述從一種狀態(tài)到另一種狀態(tài)的轉(zhuǎn)變，其概率與各種狀態(tài)變化相關(guān)．如圖3所示，S表示狀態(tài)，狀態(tài)之間的連線表示這2種狀態(tài)之間可以相互轉(zhuǎn)移．Markov預(yù)測(cè)模型的核心思想是將歷史數(shù)據(jù)中當(dāng)前狀態(tài)轉(zhuǎn)移概率最大的狀態(tài)作為下一狀態(tài)的預(yù)測(cè)值，根據(jù)Markov理論中的轉(zhuǎn)移概率的定義，需要通過條件概率來計(jì)算從當(dāng)前狀態(tài)轉(zhuǎn)移到下一狀態(tài)的概率．

【參考文獻(xiàn)】：
期刊論文
[1]基于差分WGAN的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)[J]. 王婷婷,朱江.  計(jì)算機(jī)科學(xué). 2019(S2)
[2]基于深度自編碼器的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)[J]. 張生順.  信息安全研究. 2019(07)
[3]用于網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)的粒子群與支持向量機(jī)算法研究[J]. 孫衛(wèi)喜.  計(jì)算機(jī)應(yīng)用與軟件. 2019(06)
[4]基于RNN的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J]. 胡昕.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(06)



本文編號(hào)：3115504