基于免疫优化原理的网络安全态势预测方法

《基于免疫优化原理的网络安全态势预测方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、高技术通讯2012年第22卷第1期：20～27doi：10．3772／j．issn．1002-0470．2012．O1．004基于免疫优化原理的网络安全态势预测方法石元泉刘晓洁李涛、彭小宁陈文张瑞瑞(四川学计算机学院成都610065)(怀化学院计算机系怀化418000)摘要为有效监视网络安全态势变化和预防网络遭受大规模安全攻击，受人工免疫系统启发，提出了一种基于免疫优化原理的网络安全态势预测方法(NSSPAI)。该预测方法首先给出网络安全态势预测环境下抗原、抗体和亲和力的定义，以及用于挖掘态势预测模型的抗体优化算子

2、的抽象数学模型；然后利用相空间重构理论分析网络安全态势时间序列，利用重构后的样本空间和免疫优化建模方法挖掘态势预测模型；最后利用该预测模型来预测未来的网络安全态势。实验结果表明，与基于遗传算法的预测方法相比，NSSPAI预测方法能够更为准确地预测网络安全态势，是一种有效预测网络安全态势的新方法。关键词网络安全，态势感知，时间序列，免疫优化，预测0引言1相关研究随着计算机网络的迅速发展和人们对网络应用目前，有关网络安全态势感知的研究，国内外尚的极度依赖，网络安全问题已经成为人们日益关注处于未成熟阶段，主要集中于网络安

3、全态势框架的的焦点。网络攻击、黑客人侵和病毒感染等大量安理论研究。通常，国内外研究人员根据不同的网络全事件使计算机网络面临着拒绝访问、网络崩溃、重应用环境和特定的安全需求，提出并设计不同的网要信息被窃取或破坏等一系列安全性问题，传统的络安全态势感知模型。1999年，Bass等在文献[1]单一防御或检测系统已无法预防这些安全问题的发中首次提出了网络安全态势感知概念，并且在文生，已不能适应网络安全需求。近年来，许多研究人献[2]中提出了网络安全态势感知概念模型。Ste．员已将网络安全态势感知作为网络安全领域中的一phe

4、nLau_=；等人利用三维空间中的点来表示网络流项重要研究内容，旨在通过对复杂网络环境进行监量，开发了三维网络流量检测(thespinningcubeof测，对能够引起网络安全态势发生变化的各种安全potentialdoom)系统，提高了网络安全态势的感知能要素进行获取、评估和预测来保证网络的安全运行。力。卡内基梅隆大学开发了互联网报文流量分本文针对目前网络态势预测研究的不足，借鉴人工析系统(systemforinternet-levelknowledge，SILK)。免疫系统解决非线性问题的理论，提出了一种新颖该

5、系统可以提供整个网络的安全态势感知，适应对的基于免疫优化原理的网络安全态势预测方法大规模网络进行安全分析。在国内，陈秀真等提(networksecuritysituationpredictionapproachbased出了基于统计分析的层次化安全态势量化评估模onimmuneoptimizationtheory，NSSPAI)，并对这一方型，李涛提出了基于免疫的网络安全风险检测模法进行了较详尽的论述，同时也介绍了为验证该方型，韦勇等提出了基于日志审计与性能修正算法法对网络安全态势的预测性能而进行的仿真实验的的网络

6、安全态势评估模型等。结果尽管上述各种模型为网络安全态势感知研究提供了良好的理论基础，但大多数模型只考虑态势要国家自然科学基金(60873246)，教育部博士点基金(20070610032)和教育部重大项目培育基金(708075)资助项目②男，1977年生，博士；研究方向：网络安全，人工免疫系统和智能计算；联系人，E-mail：svuanquan@163．com(收稿日期：2010-05—14)一20—石元泉等：基于免疫优化原理的网络安全态势预测方法素的获取和评估这二个方面，而对态势预测方面的(t)It=1，2，⋯，

7、，，则利用相空间重构方法构研究相对较少，而且一般采用传统的预测方法。由造的样本空间S可表示为于网络系统的复杂性以及安全因素的多样性，网络X(t)，Y(t)={[X(t一丁)，X(t一2丁)，⋯，安全态势预测通常被认为是一种非线性时间序列预(t—d7_)]，[(t)](1)测～。因此，利用传统的预测方法不能有效地揭示其中t=n，n一丁，⋯，(d+1)丁，为时间延迟，d为网络安全态势的变化规律，所得到的态势预测值与嵌入维度，X(t)为预测模型的输入样本，Y(t)为预目标值存在较大的偏离。测模型的目标值，样本空间5中存在

8、n一(d一1)由于人工智能方法对非线性时间序列具有很强个样本点。的逼近和拟合能力，许多研究人员利用人工智能方在网络安全态势预测中，预测值受与其相邻的法来解决非线性时间序列预测问题，如遗传算时间序列点影响较大，而受那些距离较远的时间序法、神经网络¨。和支持向量机_】等智能预测方列点影响较小，因此，合理选择与预测点邻近的训练法。但是遗传算法的进化学习机制较为简单