高安全属性价值设备威胁态势量化评估方法

doi:10.11959/j.issn.2096-109x.2020070

网络与信息安全学报 ›› 2020, Vol. 6 ›› Issue (5): 54-66.doi: 10.11959/j.issn.2096-109x.2020070

高安全属性价值设备威胁态势量化评估方法

韩磊^1,²(),刘吉强³,王健³,石波¹,和旭东³

¹ 北京计算机技术及应用研究所，北京 100854
² 信息保障技术重点实验室，北京 100072
³ 北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室，北京 100044

修回日期:2020-03-21 出版日期:2020-10-15 发布日期:2020-10-19
作者简介:韩磊（1983- ），男，内蒙古呼伦贝尔人，博士（后），北京计算机技术及应用研究所高级工程师，主要研究方向为信息安全、密码应用、智能安全|刘吉强（1973- ），男，山东烟台人，博士，北京交通大学教授、博士生导师，主要研究方向为可信计算、隐私保护、云计算安全|王健（1975- ），男，山东烟台人，博士，北京交通大学副教授，主要研究方向为密码应用及区块链、网络安全|石波（1988- ），男，江苏南通人，北京计算机技术及应用研究所高级工程师，主要研究方向为信息安全|和旭东（1993- ），男，河北保定人，北京交通大学博士生，主要研究方向为网络安全、物联网安全
基金资助:
国家自然科学基金(61672092);国防基础科研(JCKY2017204B063);中央高校基本科研业务费专项基金(2018JBZ103);山东省重大科技创新工程(2019JZZY020128);中国博士后科学基金(2018M633698)

Quantitative threat situational assessment method for higher secure attribute value device

Lei HAN^1,²(),Jiqiang LIU³,Jian WANG³,Bo SHI¹,Xudong HE³

¹ Beijing Institute of Computer Technology and Applications,Beijing 100854,China
² Science and Technology on Information Assurance Laboratory,Beijing 100072,China
³ Key Laboratory of Security and Privacy in Intelligent Transportation,Beijing Jiaotong University,Beijing 100044,China

Revised:2020-03-21 Online:2020-10-15 Published:2020-10-19
Supported by:
The Natural Science Foundation of China(61672092);National Defense Basic Research(JCKY2017204B063);The Fundamental Research Funds for the Central Universities of China(2018JBZ103);The Major Scientific and Technological Innovation Projects of Shandong Province,China(2019JZZY020128);China Postdoctoral Science Foundation(2018M633698)

摘要/Abstract

摘要：

传统的网络安全态势量化评估方法主要面向宏观网络安全态势，未针对安全价值较高的网络设备，给出了高安全属性价值设备的定义，设计了针对设备的威胁态势量化评估框架和评估指标，根据评估框架和指标提出了高安全属性价值设备威胁态势量化评估方法。对具体网络中实际设备的评估结果表明，该方法能够准确、有效地量化评估高安全属性价值设备的威胁态势。

关键词: 态势感知, 安全威胁, 量化评估, 高安全属性价值设备

Abstract:

Traditional network security situational assessment is mainly for the macro network security situation， not for the specific equipment,especially for the key network device.A conception about the higher secure attribute value device was introduced,based on which a threat situational assessment research framework was presented and assessment indexes were discussed.A quantitative threat situational assessment method for higher secure attribute value device was proposed based on assessment research framework and assessment indexes.The experiment resultsshow that the proposed method can assess device threat situation accurately and effectively.Meanwhile,the method is more general and objective than traditional methods.

Key words: situational awareness, security threat, quantitative evaluation, higher security attribute value device

中图分类号:

TP393

韩磊,刘吉强,王健,石波,和旭东. 高安全属性价值设备威胁态势量化评估方法[J]. 网络与信息安全学报, 2020, 6(5): 54-66.

Lei HAN,Jiqiang LIU,Jian WANG,Bo SHI,Xudong HE. Quantitative threat situational assessment method for higher secure attribute value device[J]. Chinese Journal of Network and Information Security, 2020, 6(5): 54-66.

图/表 16

图1

图2

表1

图3

图4

表2

图5

表3

表4

图6

表5

图7

图8

表6

图9

表7

参考文献 33

[1]	龚正虎, 卓莹 . 网络态势感知研究[J]. 软件学报, 2010,21(7): 1605-1619.
	GONG Z H , ZHUO Y . Research on cyberspace situational aware-ness[J]. Journal of Software, 2010,21(7): 1605-1619.
[2]	CYRIL O . Understanding cyber situation awareness[J]. International Journal on Cyber Situational Awareness, 2016,1(1): 11-30.
[3]	BLASCH E , PLANO S . JDL level 5 issues supporting situational assessment reasoning[C]// Proc of the Signal Processing,Sensor Fusion,and Target Recognition XI (SPIE). 2002: 270-279.
[4]	ENDSLEY M , . Situation awareness global assessment technique (SAGAT)[C]// Proc of the IEEE'88 National Aerospace and Electronics Conf. 1988: 789-795.
[5]	AGGARWAL P , GONZALEZ C , DUTT V . Cyber-security:role of seception in cyber-attack detection[C]// International Conference on Applied Human Factors and Ergonomics. 2016: 85-96
[6]	SUN X , DAI J , LIU P ,et al. Towards probabilistic identification of zero-day attack paths[J]. Communications and Network Security, 2017: 64-72.
[7]	ZHANG H , YAO D , RAMAKRISHNAN N ,et al. Causality reasoning about network events for detecting stealthy malware activities[J]. Computers ＆ Security, 2016,58(C): 180-198.
[8]	SHAO P , LU J , WONG R K ,et al. A transparent learning approach for attack prediction based on user behavior analysis[C]// International Conference on Information and Communications Security. 2016: 159-172.
[9]	刘效武, 王慧强, 吕宏武 ,等. 网络安全态势认知融合感控模型[J]. 软件学报, 2016,27(8): 2099-2114.
	LIU X W , WANG H Q , LYU H W ,et al. Fusion-based cognitive awareness-control model for network security situation[J]. Journal of Software, 2016,27(8): 2099-2114.
[10]	文志诚, 陈志刚, 唐军 . 基于信息融合的网络安全态势量化评估方法[J]. 北京航空航天大学学报, 2016,42(8): 1593-1602.
	WEN Z C , CHEN Z Q , TANG J . Assessing network security situa-tion quantitatively based on information fusion[J]. Journal of Bei-jing University of Aeronautics and Astronautics, 2016,42(8): 1593-1602.
[11]	赵淦森, 吴杰超, 陈梓豪 ,等. 网络空间安全态势感知研究[J]. 网络与信息安全学报, 2016,2(10): 29-35.
	ZHAO G S , WU J C , CHEN Z H ,et al. Research on security situa-tion awareness in cyberspace[J]. Journal of Network and Informa-tion Security, 2016,2(10): 29-12.
[12]	朱承, 缪嘉嘉, 毛捍东 . 面向行为的内网空间安全态势建模与分析[J]. 网络与信息安全学报, 2016,2(8): 17-22.
	ZHU C , MIU J J , MAO H D . Behavior-oriented intranet space se-curity situation modeling and analysis[J]. Journal of Network and Information Security, 2016,2(8): 17-22.
[13]	ELIAS B H , MARTIN H , MOURAD D ,et al. Big data sanitization and cyber situational awareness:a network telescope perspective[J]. IEEE Transactions on Big Data, 2017,99: 1-8.
[14]	MIN D , LEI F F , ZHENG G N ,et al. DeepLog:anomaly detection and diagnosis from system logs through deep learning[C]// ACM Sigsac Conference(CCS’17). 2017: 1285-1298.
[15]	寇广, 王硕, 张达 . 基于深度堆栈编码器和反向传播算法的网络安全态势要素识别[J]. 电子与信息学报, 2019,41(9): 2187-2193.
	KOU G , WANG S , ZHANG D . Recognition of network security situation elements based on depth stack encoder and back propaga-tion algorithm[J]. Journal of Electronics ＆ Information Technology, 2019,41(9): 2187-2193.
[16]	程家根, 祁正华, 陈天赋 . 基于 RBF 神经网络的网络安全态势感知[J]. 南京邮电大学学报（自然科学版）, 2019,39(4): 88-95.
	CHENG J G , QI Z H , CHEN T F . Network security situation awareness based on RBF neural networks[J]. Journal of Najing University of Posts an Telecommunications(Natural Science Edition), 2019,39(4): 88-95.
[17]	张勇, 谭小彬, 崔孝林 ,等. 基于 Markov 博弈模型的网络安全态势感知方法[J]. 软件学报, 2011,22(3): 495-508.
	ZHANG Y , TAN X B , CUI X L ,et al. Network security situation awareness approach based on Markov game model[J]. Journal of Software, 2011,22(3): 495-508.
[18]	席荣荣, 云晓春, 张永铮 . 一种改进的网络安全态势量化评估方法[J]. 计算机学报, 2015,38(4): 749-758.
	XI R R , YUN C X , ZHANG Y Z . An improved quantitative evalua-tion method for network security[J]. Chinese Journal of Computers, 2015,38(4): 749-758.
[19]	杨豪璞, 邱辉, 王坤 . 面向多步攻击的网络安全态势评估方法[J]. 通信学报, 2017,38(1): 187-198.
	YANG H P , QIU H , WANG K . Network security situation evalua-tion method for multi-step attack[J]. Journal on Communication, 2017,38(1): 187-198.
[20]	杨君刚, 梁礼, 刘故箐 ,等. 在线监测的路由器安全威胁态势量化评估方法[J]. 通信学报, 2013,34(11): 59-70.
	YANG J G , LING L , LIU G J ,et al. Method for router online secu-rity risk assessment quantification[J]. Journal on Communications, 2013,34(11): 59-70.
[21]	YU B L , ALI A K , SELVAKUMAR M ,et al. An adaptive assessment and prediction mechanism in network security situation awareness[J]. Journal of Computer Sciences, 2017,13(5): 114-129.
[22]	CRISTINA A J . Wide-area situational awareness for critical infrastructure protection[J]. IEEE Computer, 2013,46(4): 30-37.
[23]	CRISTINA A , SHERALI Z . Critical infrastructure protection:requirements and challenges for the 21st century[J]. International Journal of Critical Infrastructure Protection, 2015,8: 53-56.
[24]	CEEMAN V , ANURAG S , SAMAN Z . CPIndex:cyber-physical vulnerability assessment for power-grid Infrastructures[J]. IEEE Transactions on Smart Grid, 2017,6(2): 566-575.
[25]	国家信息中心.GB/T 20984-2007 信息安全技术信息安全风险评估规范[S]. 北京:中国标准出版社, 2007.
	Nation Informatics Centre. GB/T 20984-2007 Information security technology-Risk assessment specification for information securi-ty[S]. Beijing:Standards Press of China, 2007.
[26]	CVSS-Common Vulnerability Scoring System[EB].
[27]	韦勇, 连一峰 . 基于日志审计与性能修正算法的网络安全态势评估模型[J]. 计算机学报, 2009,32(4): 763-772.
	WEI Y , LIAN Y F . A network security situational awareness model based on log audit and performance correction[J]. Chinese Journal of Computers, 2009,32(4): 763-772.
[28]	Snort-the open source network intrusion detection system[EB].
[29]	Nmap-free security scanner for network[EB].
[30]	Netwox-a toolbox for network[EB].
[31]	Kali linux-a Debian-derived linux distribution designed for digital forensics and penetration testing[EB].
[32]	Nmon-the linux system performance tools[EB].
[33]	Smokeping-a toolbox for tracking of your network latency[EB].

attrivalue_e	?t/π	?per_e	severity	Status loss	Status probability
conf_e	t_i	per_e(i)time=t_i	severity_abn	attrivalue_e	p _threat(X_j)
int_e	t_i-1	per_e(i-1)time=t_i-1	cvss_b	severity	—
avail_e	?t=t_i-t_i-1	?per_e=per_e(i)-per_e(i-1)	—	—	—
w_i	π	∑ ?per_e(i)	—	—	—

可用性异常A(0.3)	完整性异常I(0.3)	保密性异常C(0.4)
计算性能劣化	启动关键库异常	Ipsec报文异常
带宽性能劣化	硬件检测失败	非策略访问
环境性能劣化	完整性校验失败	加解密错误
服务业务失败	查询状态失败	更换数据失败
管理业务失败	格式解析失败	密钥及算法过期

id_e	name_e	type_e	security attribute infomation_e				config_e
id_e	name_e	type_e	conf_e	int_e	avail_e	attrivalue_e	ip_e	port_e	servic_e
de_001	Snort	network	3	3	3	2.197	192.168.200.206	any	snort
de_002	LVS	service	2	3	4	2.393	192.168.200.100	112	lvs keepalived
de_003	Tomcat	service	3	3	4	2.654	192.168.200.101	8 080	tomcat
de_004	MongoDB	service	4	3	4	3.066	192.168.200.102	27 017	mongod
de_005	FA/DNS/AD/DHCP	service	2	3	4	2.393	192.168.100.103	53 389 67 68	dns ldap dhcp
de_006	NFS	service	5	4	5	4.066	192.168.200.104	2 049	rpcbind nfs
de_007	LogServer	service	4	3	3	2.737	192.168.0.105	514	syslog
de_008	SFtpServer	service	4	3	3	2.737	192.168.200.106	22	sftp
de_009	SVN	service	4	4	4	3.197	192.168.200.107	3 690	svn
de_010	Switcher	network	2	3	5	3.115	192.168.200.108	68	dhcp
de_011	FW IPSec	Security network	5	5	5	4.197	124.65.190.74 192.168.0.1 192.168.200.1 192.168.100.1	80 443 21 500 4500 137 2049 445 25 161 22 514 23 389	http https ftp ike ipsec netbios nfs smb smtp snmp ssh syslog telnet ldap

id_e	name_e	type_e	vulnerabilities_e
de_006	NFS	service	CVE-2017-7645 CVE-2017-7187 CVE-2017-7494
de_011	FW	Security	Table 2

条目	警报总次数	有效警报次数	警报约减率
场景1	147	26	17.69%
场景2	186	62	33.33%
场景3	472	178	37.71%

高安全属性价值设备威胁态势量化评估方法

Quantitative threat situational assessment method for higher secure attribute value device

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 33

相关文章 8

Metrics

推荐阅读 0

状态	界定区间	状态特征	状态值
X₀	p _threat(X_j)<0.29	正常	1
X₁	0.29≤p _threat(X_j)<0.33	扫描	2
X₂	0.33≤p _threat(X_j)<0.67	威胁	3
X₃	0.65≤p _threat(X_j)<1	威胁＆拒服	4
X₄	0.65≤p _threat(X_j)<1	达成目标	5

评估方法	评估对象	属性	方法类型	结果形式	普适程度	知识来源	警报约减	警报聚合
文献[19]	网络	宏观	分类法	分数	中	概率方式	不支持	支持
文献[17]	网络	宏观	马尔可夫	分数	中	推理方式，概率方式	不支持	不支持
文献[27]	网络	宏观	权重法	分数	高	领域专家	支持	不支持
文献[18]	网络	宏观	权重法	分数	中	领域专家	支持	不支持
文献[20]	设备	微观	公式法	分数	低	推理方式	不支持	不支持
文献[24]	基础设施	宏观	贝叶斯	分数	中	概率方式	不支持	不支持
本文方法	设备	微观	公式法	分数	高	概率方式	支持	支持

[1]	李剑, 董廷鲁, 李劼. 基于证据理论物联网安全态势感知方法研究[J]. 网络与信息安全学报, 2022, 8(2): 39-47.
[2]	超凡, 杨智, 杜学绘, 韩冰. 基于多因素聚类选择的Android应用程序分类风险评估方法[J]. 网络与信息安全学报, 2021, 7(2): 161-173.
[3]	段广晗,马春光,宋蕾,武朋. 深度学习中对抗样本的构造及防御研究[J]. 网络与信息安全学报, 2020, 6(2): 1-11.
[4]	胡浩, 刘玉岭, 张玉臣, 张红旗. 基于攻击图的网络安全度量研究综述[J]. 网络与信息安全学报, 2018, 4(9): 1-16.
[5]	宋蕾, 马春光, 段广晗. 机器学习安全及隐私保护研究进展[J]. 网络与信息安全学报, 2018, 4(8): 1-11.
[6]	李立勋,张斌,董书琴. 网络动态防御体系下主机安全威胁分析方法[J]. 网络与信息安全学报, 2018, 4(4): 48-55.
[7]	刘炜,冯丙文,翁健. 小型无人机安全研究综述[J]. 网络与信息安全学报, 2016, 2(3): 39-45.
[8]	赵淦森,吴杰超,陈梓豪,任雪琦,谭昊翔,马朝辉. 网络空间安全态势感知研究[J]. 网络与信息安全学报, 2016, 2(10): 29-35.