论文部分内容阅读
安全数据是描述与安全相关的数据,信息领域存在大量分布的、彼此异构的安全数据,称为多源异构安全数据。随着网络依赖程度的提高,信息共享和数据交换的范围不断扩大,具有语义分析和处理功能的数据聚合已经成为数据分析处理的有效方法和手段。如何在网络安全态势感知中有效地将携带敏感信息的安全数据进行结构、语法和语义的聚合,从海量的多源异构安全数据中提炼出简洁、准确、可信以及语义明确的安全态势影响要素,是一个新的课题和挑战。网络安全态势感知是目前网络安全领域的研究热点之一,是实现网络安全监控和评估的一种新技术。本文以网络安全态势感知为背景,以本体等相关理论研究为基础,以影响网络安全态势的要素为处理对象,通过对贝叶斯网络分类、安全策略等方法和策略进行改进,以其与本体描述、本体构建和本体推理的结合为手段,针对网络安全态势感知中多源异构安全数据聚合的相关关键技术进行了研究,主要研究工作如下。网络安全态势感知中数据聚合框架是开展该方向研究的前提和基础。首先制定基于本体的框架构建规则和构建方法,提出一个面向网络态势感知的基于本体的多源异构安全数据聚合框架,同时给出框架的完整描述,然后并利用PEPA形式化语言对该框架进行分析。该框架为基于本体的多源异构安全数据聚合提供了整体指导思路。为进行网络安全态势感知中安全数据聚合框架及安全数据分类中的本体表示,对现有本体描述语言进行分析。提出一种面向聚合的基于本体的表示和推理方法。给出该方法的基本形式,对具有语义关系的分类数据建立相应的本体行为特征轮廓描述,通过层次划分和节点聚合有效表示了安全态势要素的XML等结构化、半结构化文档的语义。在一个网络安全态势感知实验中进行了验证,实验结果表明,这种语义表示方法能有效提升网络安全态势感知中数据分析能力,为准确进行态势评估提供参考。针对网络安全态势要素分层、多源异构的特点,分析目前已有分类方法的不足,引入贝叶斯网络分类器提出一个面向聚合的具有语义特征关联的贝叶斯网络分类方法。详细定义了网络安全态势感知中安全数据聚合框架内的处理对象,给出对象语义特征提取和网络节点变迁规则、改进面向聚合的训练样本选择和参数学习。实验结果表明,提出的方法适合面向聚合的多源异构安全数据的语义分类。针对多源异构数据进行聚合过程中,主体进程常常同时处理具有多种安全等级客体的特殊性及聚合框架自身安全保障的问题,现有安全策略不能灵活处理,导致聚合过程无法完全评估影响网络安全态势的要素,提出一种面向网络安全态势感知中数据聚合的扩展权值多级安全策略。论文给出该策略的完整定义和访问规则,将其与本体表示相结合加入聚合框架内,在保障聚合过程安全同时实现了更灵活的主体访问机制。实验验证在基本不影响系统性能基础上提高了安全态势评估效果。