基于隐马尔可夫模型的网络安全态势预测方法

doi:10.11959/j.issn.1000-0801.2015394

摘要/Abstract

摘要：

摘要：针对网络安全态势预测动态、实时等特性，设计了基于隐马尔可夫模型网络安全态势预测模型。根据t时刻的网络安全态势计算出t+1时刻的态势，同时结合最大熵算法，对态势进行一致性判定，提高了预测准确率。分析及模拟实验表明该基于隐马尔可夫模型的网络安全态势预测方法具有自主学习及主动防御特征，同时平衡了速度和准确度要求，能够高效、准确地进行网络安全态势预测。

关键词: 网络安全态势预测, 隐马尔可夫模型, 规则化, 网络安全

Abstract:

Aiming at the dynamic and real-time characteristics of network security situation prediction,a network security situation prediction model based on hidden Markov model（HMM）was designed.According to the HMM,the situation in t+1 from t time can be calculated.Meanwhile,the maximum entropy algorithm was combinated with HMM to improve the accuracy rate.The analysis and simulation experiments show that the method has the characteristics of autonomous learning and active defense,and it also balance the speed and accuracy.

Key words: network security situation prediction, hidden Markov model, regularization, network security

詹雄,郭昊,张錋,毛澍. 基于隐马尔可夫模型的网络安全态势预测方法[J]. 电信科学, 2015, 31(Z1): 79-84.

Xiong ZHAN,Hao GUO,Peng ZHANG,Shu MAO. A network security situation prediction method based on hidden Markov model[J]. Telecommunications Science, 2015, 31(Z1): 79-84.

图/表 4

参考文献 7

[1]	中国互联网协会，国家互联网应急中心. 中国互联网站发展状况及其安全报告（2015年）[EB/OL].[ 2015-03-20]. .Internet Society of China，CNCERT/CC。 The development status of Chinese website and safety report（2015）[EB/OL].[ 2015-03-20]. .
[2]	国家计算机网络应急技术处理协调中心. 2014年我国互联网网络安全态势报告[EB/OL].[ 2015-05-12]. .The National Computer Network Emergency Response Technical Team/Coordination Center of China。 2014 China internet network security situation report[EB/OL].[ 2015-05-12]. .
[3]	黄同庆庄毅 . 一种实时网络安全态势预测方法[J]. 小型微型计算机系统， 2015,35(2):303-306. HUANG T Q , ZHUANG Y . An approach to real-time network security situation prediction[J]. Journal of Chinese Computer Systems, 2014,35(2):303-306.
[4]	ARNES A , VALEUR F , VIGNA G , et al. ARNES A,VALEUR F,VIGNA G,et al.Using hidden Markov models to evaluate the risk of intrusions[C]// The 9th International Symposium on Recent Advances in Intrusion Detection, September20-22, 2005, Hamburg,Germany.[ S.l:s.n.], 2006:145-164.
[5]	叶蓬 . 网络安全态势感知在安全管理平台中的应用研究[J]. 信息网络安全， 2010(4):51-54. YE P . Network security situation awareness in the role of security operations center[J]. Network Information Security, 2010(4):51-54.
[6]	SNIDARO L , VISENTINI I , BRYAN K . Fusing uncertain knowledge and evidence for maritime situational awareness via Markov logic networks[J]. Information Fusion, 2015,21(21): 159-172.
[7]	何鸿君，罗莉，董黎明，等. 广义病毒的形式化定义及识别算法[M]. 计算机学报， 2010,33(3):562-568. HE H J , LUO L , DONG L M , et al. Formal definition of generalized virus and its identifying algorithm[J]. Chinese Journal of Computers, 2010,33(3):562-568.

[1]	周胜利, 蒋可怡, 徐博, 徐睿, 张熙康, 赵泉喆, 徐阳东. 面向电信网络诈骗治理的网络安全课程构建效能评估研究[J]. 电信科学, 2023, 39(6): 122-128.
[2]	张乐, 马洪源. 运营商网络边缘云安全实践[J]. 电信科学, 2023, 39(4): 165-172.
[3]	陈伟雄, 杨晓晨, 春增军, 李若兰, 张华. 电力企业网络安全威胁情报管理体系的研究与实践[J]. 电信科学, 2022, 38(7): 184-189.
[4]	刘亚天, 呼博文, 陈茂飞, 刘东鑫. 5GC安全态势感知系统研究[J]. 电信科学, 2022, 38(11): 73-85.
[5]	顾玥, 李丹, 高凯辉. 基于机器学习和深度学习的网络流量分类研究[J]. 电信科学, 2021, 37(3): 105-113.
[6]	贾忠杰, 金明, 宋晓群. 一种基于黏性隐马尔可夫模型的多频带频谱感知方法[J]. 电信科学, 2021, 37(1): 48-57.
[7]	高明,罗锦,周慧颖,焦海,应丽莉. 一种基于拟态防御的差异化反馈调度判决算法[J]. 电信科学, 2020, 36(5): 73-82.
[8]	李玉峰,陆肖元,曹晨红,李江涛,朱泓艺,孟楠. 智能网联汽车网络安全浅析[J]. 电信科学, 2020, 36(4): 36-45.
[9]	肖芫莹,游耀东,向黎希. 代码审计系统的误报率成因和优化[J]. 电信科学, 2020, 36(12): 155-162.
[10]	杨志强,粟栗,齐旻鹏,杨波. 5G安全技术与标准[J]. 电信科学, 2020, 36(12): 1-19.
[11]	何国锋. 零信任架构在5G云网中应用防护的研究[J]. 电信科学, 2020, 36(12): 123-132.
[12]	谢萍,刘孝颂. 基于区块链的SDN物联网部署安全[J]. 电信科学, 2020, 36(12): 139-146.
[13]	余航,王帅,金华敏. 基于RASP的Web安全检测方法[J]. 电信科学, 2020, 36(11): 113-120.
[14]	王俊文. 未来工业互联网发展的技术需求[J]. 电信科学, 2019, 35(8): 26-38.
[15]	李聪, 雷波, 解冲锋, 李云鹤. 基于区块链技术的可信网络[J]. 电信科学, 2019, 35(10): 60-68.