網(wǎng)絡安全態(tài)勢感知研究綜述

石 井

（山東警察學院 山東 250014）

0 引言

科技高速發(fā)展的同時，網(wǎng)絡技術也在不斷的更新，網(wǎng)絡技術在為人們提供各種便利的同時，也存在著很大的安全隱患，成為人們普遍關心的話題。網(wǎng)絡技術日新月異，威脅網(wǎng)絡安全的攻擊手段也花樣百出，傳統(tǒng)的網(wǎng)絡安全技術已經(jīng)無法滿足安全防護的需要，急需一種功能更加強大的網(wǎng)絡安全技術對安全問題進行有效控制，網(wǎng)絡安全態(tài)勢感知系統(tǒng)就是在這樣的背景下產(chǎn)生的，并且展開了廣泛的研究。

1 網(wǎng)絡安全態(tài)勢感知研究的必要性

網(wǎng)絡技術經(jīng)過數(shù)十年的發(fā)展，已經(jīng)滲透到人們生活的各個領域，為人們的生產(chǎn)和生活帶來了各種便利，明顯改善了人們的生活水平。網(wǎng)絡技術的應用形式多種多樣，網(wǎng)絡新聞、網(wǎng)絡游戲、網(wǎng)絡視頻、即時通信等等，在不同的領域影響著人們的生活。隨著網(wǎng)絡用戶的增多，網(wǎng)絡安全問題也越來越突出，網(wǎng)絡安全問題的產(chǎn)生一方面是由于網(wǎng)絡自身的缺陷，另一方面是由于惡性的網(wǎng)絡攻擊行為。網(wǎng)絡安全問題的產(chǎn)生使得用戶的信息安全受到了嚴重的威脅，信息丟失，隱私泄漏等情況的產(chǎn)生，給用戶造成了巨大的損失[1]。傳統(tǒng)的網(wǎng)絡安全技術處理速度慢，防護并不全面，不能從根本上阻止網(wǎng)絡安全問題的產(chǎn)生，存在很大的局限。網(wǎng)絡安全態(tài)勢感知技術可以對眾多影響網(wǎng)絡安全的因素進行分析和預測，對網(wǎng)絡的安全性進行量化的分析和評價，為大規(guī)模的網(wǎng)絡安全提供技術保障。所以，對網(wǎng)絡安全態(tài)勢感知的研究可以對網(wǎng)絡安全進行全面的監(jiān)控，對提高網(wǎng)絡的應急響應能力并且預測網(wǎng)絡安全的發(fā)展趨勢具有重要意義。

2 網(wǎng)絡安全態(tài)勢感知概述

2.1 網(wǎng)絡安全態(tài)勢感知的概念

網(wǎng)絡安全態(tài)勢感知是網(wǎng)絡安全領域中一個新興的概念，是指在大規(guī)模的網(wǎng)絡環(huán)境之中，通過對其中的安全影響因素進行分析，評估和預測網(wǎng)絡安全發(fā)展趨勢的一種行為。態(tài)勢感知的概念最早并不是存在網(wǎng)絡領域，而是在航天飛行的人因研究之中提出的，后來才被逐漸的應用在軍事、醫(yī)療等不同的領域，1999年才將態(tài)勢感知這一概念引入到網(wǎng)絡安全的領域[2]。

2.2 網(wǎng)絡安全態(tài)勢感知的內(nèi)容

網(wǎng)絡安全態(tài)勢感知的功能十分豐富，其中包含了很多感知內(nèi)容，主要的內(nèi)容有：對網(wǎng)絡當前狀態(tài)的感知、對攻擊影響的評價、對態(tài)勢發(fā)展進行追蹤、對當前態(tài)勢的原因結果進行分析、對網(wǎng)絡態(tài)勢進行預測等。總體來說，網(wǎng)絡安全態(tài)勢感知可以分為三個階段，第一階段是對態(tài)勢進行識別，第二階段是對態(tài)勢進行理解，第三階段是對態(tài)勢進行預測。

3 網(wǎng)絡安全態(tài)勢感知的相關研究

3.1 網(wǎng)絡安全態(tài)勢的提取

網(wǎng)絡安全態(tài)勢感知研究的基礎內(nèi)容就是對網(wǎng)絡安全態(tài)勢進行提取。對網(wǎng)絡安全態(tài)勢進行感知，首先要對網(wǎng)絡中的安全態(tài)勢要素進行全面、準確的提取，才能根據(jù)數(shù)據(jù)進行分析，完成對安全態(tài)勢的有效感知。安全態(tài)勢要素包括網(wǎng)絡中的靜態(tài)配置信息、動態(tài)運行信息、網(wǎng)絡流量信息等[3]。關于網(wǎng)絡安全態(tài)勢提取的研究，國外主要從某一個角度的態(tài)勢要素進行提取，評價網(wǎng)絡某一方面的安全性，如通過對網(wǎng)絡脆弱性信息進行采集，評估整個網(wǎng)絡的脆弱性態(tài)勢等。國內(nèi)的相關研究則是比較全面的考慮各種要素，從不同的層次和角度對網(wǎng)絡的安全態(tài)勢進行評估。

3.2 網(wǎng)絡安全態(tài)勢感知的數(shù)據(jù)融合

網(wǎng)絡安全態(tài)勢感知是需要對提取的大量安全信息進行理解和分析，找到其中的關聯(lián)性，并將這些數(shù)據(jù)進行融合，從而獲得對網(wǎng)絡安全態(tài)勢的宏觀評價。數(shù)據(jù)融合不但可以完成對數(shù)據(jù)的壓縮和提煉，還可以對不同的信息數(shù)據(jù)進行監(jiān)測、評估以及組合，是一個多層次的數(shù)據(jù)處理過程。數(shù)據(jù)融合可以分為三個層次，一個是數(shù)據(jù)級融合，一個是特征級融合，還有一個是決策級融合，由高到低對信息數(shù)據(jù)進行不同程度的抽象融合。

網(wǎng)絡安全態(tài)勢感知的數(shù)據(jù)融合具有不同類型的算法，一種是基于邏輯關系的算法，一種是基于數(shù)學模型的算法，一種是基于概率統(tǒng)計的算法，還有一種是基于規(guī)則推理的算法。基于邏輯關系的數(shù)據(jù)融合是根據(jù)信息內(nèi)在的邏輯關系進行的融合，采取的融合方法是警報關聯(lián)[4]。這種數(shù)據(jù)融合的方法易于理解，可以在海量數(shù)據(jù)信息之中快速直觀的分析出網(wǎng)絡的安全態(tài)勢，但是其也具有一定的局限，比如融合數(shù)據(jù)的邏輯性提取具有一定的難度。基于數(shù)學模型的數(shù)據(jù)融合是根據(jù)整體的安全態(tài)勢因素，構造出一定的函數(shù)，對信息數(shù)據(jù)進行融合，常用方法是加權平均法。基于概率統(tǒng)計的數(shù)據(jù)融合是將信息的統(tǒng)計與信息的不確定性進行結合，通過模型構建對網(wǎng)絡安全態(tài)勢進行評估，常用方法是貝葉斯網(wǎng)絡。基于規(guī)則推理的數(shù)據(jù)融合是將多源信息的不確定性進行模糊量化的處理，再通過規(guī)則推理的方式評估網(wǎng)絡的安全態(tài)勢，D-S證據(jù)組合法是其最常用的方法之一[5]。

3.3 網(wǎng)絡安全態(tài)勢的計算和預測

對于網(wǎng)絡安全信息可以將其進行適當?shù)娜诤闲纬删W(wǎng)絡安全的態(tài)勢值，網(wǎng)絡安全的態(tài)勢值可以直觀的反映出網(wǎng)絡的安全狀況以及受到影響的程度。但是對于網(wǎng)絡安全的具體問題，就需要通過計算和分析得出，分析方法主要有層次分析法、模糊層次分析法、德爾菲專家法以及綜合分析法。

網(wǎng)絡安全態(tài)勢的預測是根據(jù)感知到的網(wǎng)絡安全的歷史信息以及當前的網(wǎng)絡安全狀態(tài)，對未來一段時間的網(wǎng)絡安全的發(fā)展趨勢進行準確的預測。網(wǎng)絡安全信息具有很大的不確定性，使得對網(wǎng)絡安全態(tài)勢的預測工作難度較大，網(wǎng)絡安全態(tài)勢的預測需要通過建立一定的模型進行，常用的方法是神經(jīng)網(wǎng)絡預測方法、支持向量機預測方法等[6]。神經(jīng)網(wǎng)絡的網(wǎng)絡安全態(tài)勢預測方法使用比較普遍，但是其具有一定的局限性，由于預測模型的結構不是很好確定等原因的影響，導致神經(jīng)網(wǎng)絡預測方法的預測效果較差。支持向量機的預測方法可以有效的減少對網(wǎng)絡安全預測的誤差，更加準確的預測網(wǎng)絡安全的發(fā)展趨勢，是今后研究的主要方向。

4 結束語

網(wǎng)絡技術的發(fā)展使網(wǎng)絡信息安全成為大眾普遍關心的問題，網(wǎng)絡安全態(tài)勢感知技術能夠有效保障網(wǎng)絡安全，對網(wǎng)絡安全態(tài)勢感知的研究具有十分重要的意義。網(wǎng)絡安全態(tài)勢感知作為一項新興技術，具有十分廣闊的發(fā)展前景，必須加強對網(wǎng)絡安全態(tài)勢感知的研究，增強網(wǎng)絡安全態(tài)勢的信息提取效率，提高網(wǎng)絡安全態(tài)勢的預測準確性，更好的保障網(wǎng)絡安全。

[1]趙勇.基于NetFlow和SNMP的網(wǎng)絡流態(tài)勢融合分析方法研究[D].哈爾濱工程大學，2012.

[2]賴積保.網(wǎng)絡安全態(tài)勢感知系統(tǒng)關鍵技術研究[D].哈爾濱工程大學，2007.

[3]孫德衡.基于指標融合的網(wǎng)絡安全態(tài)勢評估模型研究[D].西北大學，2012.

[4]單宇鋒.網(wǎng)絡安全態(tài)勢感知系統(tǒng)的關鍵技術研究與實現(xiàn)[D].北京郵電大學，2012.

[5]梁穎.面向服務的任務關鍵網(wǎng)絡系統(tǒng)安全態(tài)勢形式化建模與分析[D].哈爾濱工程大學，2009.

[6]郭劍.網(wǎng)絡安全態(tài)勢感知中態(tài)勢要素獲取技術的研究[D].東北大學，2011.