針對(duì)基于數(shù)據(jù)類(lèi)別標(biāo)記的監(jiān)督式網(wǎng)絡(luò)數(shù)據(jù)建模方式在評(píng)估網(wǎng)絡(luò)威脅態(tài)勢(shì)時(shí)存在計(jì)算成本高,效率低和耗時(shí)長(zhǎng)的問(wèn)題,該文提出一種基于無(wú)監(jiān)督生成推理的網(wǎng)絡(luò)安全威脅態(tài)勢(shì)評(píng)估方法。首先,設(shè)計(jì)一種變分自動(dòng)編碼器-生成式對(duì)抗網(wǎng)絡(luò)（VAE-GAN）模型,將只包含正常網(wǎng)絡(luò)流量的訓(xùn)練數(shù)據(jù)集輸入到由VAE-GAN組成的網(wǎng)絡(luò)集合層進(jìn)行訓(xùn)練,統(tǒng)計(jì)每層網(wǎng)絡(luò)輸出的重構(gòu)誤差,并使用輸出層的3層變分自動(dòng)編碼器訓(xùn)練重構(gòu)誤差;然后使用包含異常網(wǎng)絡(luò)流量的測(cè)試數(shù)據(jù)集進(jìn)行分組威脅測(cè)試,統(tǒng)計(jì)每組測(cè)試的威脅發(fā)生概率;最后根據(jù)威脅發(fā)生概率確定網(wǎng)絡(luò)安全威脅嚴(yán)重度,結(jié)合威脅影響度計(jì)算威脅態(tài)勢(shì)值對(duì)網(wǎng)絡(luò)安全威脅態(tài)勢(shì)進(jìn)行評(píng)估。仿真實(shí)驗(yàn)結(jié)果表明,與反向傳播（BP）和徑向基函數(shù)（RBF）方法相比,該方法能夠更直觀地評(píng)估網(wǎng)絡(luò)威脅的整體態(tài)勢(shì),對(duì)網(wǎng)絡(luò)威脅具有更好的表征效果。 

【文章來(lái)源】：清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,60(06)北大核心EICSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

VAE-GAN模型結(jié)構(gòu)圖

目前常見(jiàn)的網(wǎng)絡(luò)安全威脅類(lèi)型包括網(wǎng)站信息泄露、 Web攻擊威脅、 DDOS攻擊漏洞、 主機(jī)常用服務(wù)漏洞、 系統(tǒng)配置安全等。 本文通過(guò)對(duì)主機(jī)和網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行威脅分析, 以期達(dá)到及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)威脅和安全漏洞并實(shí)時(shí)進(jìn)行網(wǎng)絡(luò)安全威脅態(tài)勢(shì)評(píng)估的目的。 本文搭建的網(wǎng)絡(luò)安全威脅態(tài)勢(shì)評(píng)估架構(gòu)如圖3所示。 該架構(gòu)包括: 數(shù)據(jù)預(yù)處理、 特征選取、 基于無(wú)監(jiān)督網(wǎng)絡(luò)模型的威脅測(cè)試和網(wǎng)絡(luò)安全威脅態(tài)勢(shì)評(píng)估共4個(gè)部分。2.3 評(píng)估數(shù)據(jù)源

部分網(wǎng)絡(luò)安全威脅態(tài)勢(shì)評(píng)估指標(biāo)

【參考文獻(xiàn)】：
期刊論文
[1]卡爾曼熵值模型的網(wǎng)絡(luò)安全態(tài)勢(shì)估計(jì)[J]. 朱聞亞.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[2]基于信息融合的網(wǎng)絡(luò)安全態(tài)勢(shì)量化評(píng)估方法[J]. 文志誠(chéng),陳志剛,唐軍.  北京航空航天大學(xué)學(xué)報(bào). 2016(08)
[3]基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知[J]. 謝麗霞,王亞超,于巾博.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(12)
[4]一種基于似然BP的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J]. 唐成華,余順爭(zhēng).  計(jì)算機(jī)科學(xué). 2009(11)

碩士論文
[1]基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型[D]. 賴(lài)智全.蘭州大學(xué) 2017



本文編號(hào)：3562945