本文關(guān)鍵詞：面向網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)的時(shí)間序列頻繁情節(jié)挖掘研究

  更多相關(guān)文章： 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè) 時(shí)間序列數(shù)據(jù) 神經(jīng)網(wǎng)絡(luò) 頻繁情節(jié) 趨勢(shì)變化

【摘要】：目前,網(wǎng)絡(luò)安全問題日益嚴(yán)峻,儼然成為非常重要的一個(gè)研究課題。面對(duì)大規(guī)模的網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù),高效并準(zhǔn)確地實(shí)現(xiàn)網(wǎng)絡(luò)安全的態(tài)勢(shì)預(yù)測(cè)具有非常有意義的研究?jī)r(jià)值,通過態(tài)勢(shì)的預(yù)測(cè)結(jié)果可以指導(dǎo)網(wǎng)絡(luò)管理者完成安全決策分析和防御措施的制定。網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)是在準(zhǔn)確的網(wǎng)絡(luò)安全態(tài)勢(shì)覺察、充分的網(wǎng)絡(luò)安全態(tài)勢(shì)理解基礎(chǔ)上,進(jìn)而實(shí)現(xiàn)對(duì)未來網(wǎng)絡(luò)安全態(tài)勢(shì)的趨勢(shì)預(yù)測(cè)。而要完成對(duì)大規(guī)模網(wǎng)絡(luò)的安全態(tài)勢(shì)的預(yù)測(cè)主要有賴于對(duì)海量安全時(shí)間序列數(shù)據(jù)的深入挖掘�，F(xiàn)有的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法僅能預(yù)測(cè)出未來單位時(shí)間的態(tài)勢(shì)值,然后依據(jù)連續(xù)單位時(shí)間的態(tài)勢(shì)值進(jìn)行網(wǎng)絡(luò)安全態(tài)勢(shì)的評(píng)估。然而單位時(shí)間的態(tài)勢(shì)值往往受擾動(dòng)的影響比較大,難于預(yù)測(cè)。本文中,嘗試根據(jù)歷史時(shí)間序列數(shù)據(jù)直接預(yù)測(cè)未來一段時(shí)間里的網(wǎng)絡(luò)態(tài)勢(shì)趨勢(shì)的變化規(guī)律,而不是再對(duì)某個(gè)時(shí)刻的態(tài)勢(shì)值進(jìn)行態(tài)勢(shì)分析。即基于趨勢(shì)變化來分析網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù)的態(tài)勢(shì)預(yù)測(cè)。為了解決這個(gè)問題,本文針對(duì)網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù)的態(tài)勢(shì)預(yù)測(cè)做了如下的工作:(1)首先研究了基于時(shí)間序列的神經(jīng)網(wǎng)絡(luò)方法,實(shí)現(xiàn)對(duì)未來一段時(shí)間內(nèi)網(wǎng)絡(luò)安全態(tài)勢(shì)的趨勢(shì)變化的預(yù)測(cè):依據(jù)時(shí)間序列數(shù)據(jù)的結(jié)構(gòu)特點(diǎn)、基于趨勢(shì)變化的預(yù)測(cè)方法的理論,對(duì)網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù)進(jìn)行分段,每一段代表一種趨勢(shì),生成網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)的樣本集;用樣本集基于BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)網(wǎng)絡(luò)安全態(tài)勢(shì)的趨勢(shì)變化預(yù)測(cè)。實(shí)驗(yàn)采用Honeynet數(shù)據(jù)完成仿真,驗(yàn)證了基于趨勢(shì)變化的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)這個(gè)方法的有效性和適用性。(2)主要研究了面向預(yù)測(cè)的事件序列頻繁情節(jié)挖掘方法,實(shí)現(xiàn)網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù)趨勢(shì)變化的預(yù)測(cè)。首先,基于網(wǎng)絡(luò)安全事件發(fā)生的統(tǒng)計(jì)規(guī)律性,對(duì)安全時(shí)間序列數(shù)據(jù)進(jìn)行分段預(yù)處理,對(duì)分段后的時(shí)間序列子段離散事件化處理,將網(wǎng)絡(luò)安全時(shí)間序列數(shù)據(jù)轉(zhuǎn)換為安全事件序列數(shù)據(jù)。然后,通過引入事件序列的頻繁情節(jié)的相關(guān)知識(shí),實(shí)現(xiàn)面向預(yù)測(cè)的時(shí)間序列數(shù)據(jù)的頻繁情節(jié)挖掘�；诰W(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)對(duì)各事件發(fā)生的相對(duì)時(shí)間的敏感性,通過引入一個(gè)限制情節(jié)發(fā)生長(zhǎng)度的變量,實(shí)現(xiàn)對(duì)現(xiàn)有的頻繁情節(jié)挖掘算法MANEPI的改進(jìn),提取預(yù)測(cè)所需的頻繁情節(jié)。最后,利用提取的這些知識(shí)預(yù)測(cè)未來一段時(shí)間里的網(wǎng)絡(luò)安全態(tài)勢(shì)的趨勢(shì)變化規(guī)律。
【關(guān)鍵詞】：網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè) 時(shí)間序列數(shù)據(jù) 神經(jīng)網(wǎng)絡(luò) 頻繁情節(jié) 趨勢(shì)變化
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP311.13;TP393.08
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.1.1 課題研究背景10-11
• 1.1.2 課題研究意義11
• 1.2 數(shù)據(jù)挖掘技術(shù)及相關(guān)知識(shí)11-14
• 1.2.1 數(shù)據(jù)挖掘的定義11-12
• 1.2.2 數(shù)據(jù)挖掘的過程12-13
• 1.2.3 數(shù)據(jù)挖掘的方法13-14
• 1.3 網(wǎng)絡(luò)安全態(tài)勢(shì)感知相關(guān)知識(shí)14-16
• 1.3.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知的概念14
• 1.3.2 網(wǎng)絡(luò)安全態(tài)勢(shì)感知技術(shù)的研究現(xiàn)狀14-15
• 1.3.3 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型15-16
• 1.4 本文的主要工作16
• 1.5 本文組織結(jié)構(gòu)16-17
• 1.6 本章小結(jié)17-18
• 第二章 時(shí)間序列數(shù)據(jù)挖掘相關(guān)技術(shù)概述18-25
• 2.1 時(shí)間序列數(shù)據(jù)挖掘的概述18-21
• 2.1.1 時(shí)間序列數(shù)據(jù)挖掘的概念18
• 2.1.2 時(shí)間序列數(shù)據(jù)挖掘的內(nèi)容18-20
• 2.1.3 時(shí)間序列數(shù)據(jù)挖掘的研究現(xiàn)狀20-21
• 2.2 頻繁情節(jié)挖掘概述21-24
• 2.2.1 頻繁情節(jié)的基本概念21-22
• 2.2.2 頻繁情節(jié)挖掘的研究現(xiàn)狀22-23
• 2.2.3 頻繁情節(jié)挖掘算法分析23-24
• 2.2.4 面向預(yù)測(cè)的頻繁情節(jié)挖掘研究現(xiàn)狀24
• 2.3 本章小結(jié)24-25
• 第三章 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)25-30
• 3.1 神經(jīng)網(wǎng)絡(luò)概述25-26
• 3.1.1 神經(jīng)網(wǎng)絡(luò)相關(guān)概念25
• 3.1.2 基于神經(jīng)網(wǎng)絡(luò)的態(tài)勢(shì)預(yù)測(cè)的研究現(xiàn)狀25-26
• 3.2 數(shù)據(jù)預(yù)處理：分段曲線擬合26-27
• 3.3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)27
• 3.4 實(shí)驗(yàn)仿真27-29
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)27-28
• 3.4.2 實(shí)驗(yàn)結(jié)果與分析28-29
• 3.5 本章小結(jié)29-30
• 第四章 基于頻繁情節(jié)挖掘的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)30-40
• 4.1 基于頻繁情節(jié)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)過程分析30-31
• 4.2 時(shí)間序列數(shù)據(jù)的數(shù)據(jù)預(yù)處理分析31-33
• 4.2.1 時(shí)間序列的分段表示法31
• 4.2.2 時(shí)間序列的符號(hào)表示法31-32
• 4.2.3 基于趨勢(shì)預(yù)測(cè)的時(shí)間序列數(shù)據(jù)分段離散事件化32-33
• 4.3 面向預(yù)測(cè)的時(shí)間序列數(shù)據(jù)頻繁情節(jié)挖掘算法分析33-35
• 4.3.1 MANEPI算法33-34
• 4.3.2 MANEPI算法改進(jìn)34-35
• 4.4 基于頻繁情節(jié)的時(shí)間序列數(shù)據(jù)趨勢(shì)預(yù)測(cè)35-36
• 4.5 實(shí)驗(yàn)仿真36-39
• 4.5.1 數(shù)據(jù)分析36
• 4.5.2 實(shí)驗(yàn)分析36-38
• 4.5.3 實(shí)驗(yàn)優(yōu)化38
• 4.5.4 實(shí)驗(yàn)結(jié)果與分析38-39
• 4.6 本章小結(jié)39-40
• 第五章 總結(jié)與展望40-42
• 5.1 本文總結(jié)40
• 5.2 未來工作展望40-42
• 參考文獻(xiàn)42-47
• 發(fā)表論文和科研情況說明47-48
• 致謝48-49

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳娜;;數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀及發(fā)展方向[J];電腦與信息技術(shù);2006年01期

2 曹茸;;股票時(shí)間序列數(shù)據(jù)的分段符號(hào)化表示及實(shí)現(xiàn)[J];電腦知識(shí)與技術(shù);2009年18期

3 金昕,金靖華;數(shù)據(jù)挖掘技術(shù)及應(yīng)用[J];甘肅科技;2003年01期

4 穆成坡;黃厚寬;田盛豐;;入侵檢測(cè)系統(tǒng)報(bào)警信息聚合與關(guān)聯(lián)技術(shù)研究綜述[J];計(jì)算機(jī)研究與發(fā)展;2006年01期

5 任偉;蔣興浩;孫錟鋒;;基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年31期

6 廖俊;于雷;羅寰;穆中林;;基于趨勢(shì)轉(zhuǎn)折點(diǎn)的時(shí)間序列分段線性表示[J];計(jì)算機(jī)工程與應(yīng)用;2010年30期

7 唐成華;余順爭(zhēng);;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];計(jì)算機(jī)科學(xué);2009年11期

8 孟錦;馬馳;何加浪;張宏;;基于HHGA-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[J];計(jì)算機(jī)科學(xué);2011年07期

9 于楓,馬曉春,高翔;頻繁情節(jié)挖掘方法在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2005年07期

10 賈澎濤;何華燦;劉麗;孫濤;;時(shí)間序列數(shù)據(jù)挖掘綜述[J];計(jì)算機(jī)應(yīng)用研究;2007年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 王娟;大規(guī)模網(wǎng)絡(luò)安全態(tài)勢(shì)感知關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2010年

2 程文聰;面向大規(guī)模網(wǎng)絡(luò)安全態(tài)勢(shì)分析的時(shí)序數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 朱輝生;基于情節(jié)規(guī)則匹配的數(shù)據(jù)流預(yù)測(cè)研究[D];復(fù)旦大學(xué);2011年

4 董曉莉;時(shí)間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D];天津大學(xué);2007年

5 周勇;時(shí)間序列時(shí)序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財(cái)經(jīng)大學(xué);2008年

6 葛利;基于過程神經(jīng)網(wǎng)絡(luò)的時(shí)序數(shù)據(jù)挖掘研究[D];哈爾濱工程大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 陳然;基于相似性分析的時(shí)間序列異常檢測(cè)研究[D];西南交通大學(xué);2011年

2 吳志華;基于知識(shí)發(fā)現(xiàn)的時(shí)序數(shù)據(jù)挖掘算法研究[D];華北工學(xué)院;2002年

3 鄒東升;數(shù)據(jù)挖掘在電信告警中的應(yīng)用研究[D];重慶大學(xué);2002年

4 王巍巍;事件序列上頻繁情節(jié)發(fā)現(xiàn)的研究[D];吉林大學(xué);2005年

5 王鑫;數(shù)據(jù)挖掘中聚類分析算法的研究[D];山東師范大學(xué);2006年

6 潘兆亮;網(wǎng)絡(luò)安全態(tài)勢(shì)系統(tǒng)關(guān)鍵技術(shù)分析與建模[D];上海交通大學(xué);2008年

7 駱德文;網(wǎng)絡(luò)安全態(tài)勢(shì)感知與趨勢(shì)分析系統(tǒng)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2008年

，

本文編號(hào)：924405