基于免疫优化原理的网络安全态势预测方法.docVIP

　　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，网络安全论文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 引言随着计算机网络的迅速发展和人们对网络应用的极度依赖，网络安全问题已经成为人们日益关注的焦点。网络攻击、黑客入侵和病毒感染等大量安全事件使计算机网络面临着拒绝访问、网络崩溃、重要信息被窃取或破坏等一系列安全性问题，传统的单一防御或检测系统已无法预防这些安全问题的发生，已不能适应网络安全需求。近年来，许多研究人员已将网络安全态势感知作为网络安全领域中的一项重要研究内容，旨在通过对复杂网络环境进行监测，对能够引起网络安全态势发生变化的各种安全要素进行获取、评估和预测来保证网络的安全运行。 　　本文针对目前网络态势预测研究的不足，借鉴人工免疫系统解决非线性问题的理论，提出了一种新颖的基于免疫优化原理的网络安全态势预测方法(network security situation prediction approach basedon immune optimization theory，NSSPAI)，并对这一方法进行了较详尽的论述，同时也介绍了为验证该方法对网络安全态势的预测性能而进行的仿真实验的结果。 　　1 相关研究目前，有关网络安全态势感知的研究，国内外尚处于未成熟阶段，主要集中于网络安全态势框架的理论研究。通常，国内外研究人员根据不同的网络应用环境和特定的安全需求，提出并设计不同的网络安全态势感知模型。1999年，Bass等在文献[1] 　　中首次提出了网络安全态势感知概念，并且在文献[2]中提出了网络安全态势感知概念模型。Ste．phen Lau L 3]等人利用三维空间中的点来表示网络流量，开发了三维网络流量检测(the spinning cube ofpotential doom)系统，提高了网络安全态势的感知能力。卡内基梅隆大学一开发了互联网报文流量分析系统(system for internet．1evel knowledge，SILK)。 　　该系统可以提供整个网络的安全态势感知，适应对大规模网络进行安全分析。在国内，陈秀真等。5一提出了基于统计分析的层次化安全态势量化评估模型，李涛一6。提出了基于免疫的网络安全风险检测模型，韦勇等‘7提出了基于日志审计与性能修正算法的网络安全态势评估模型等。 　　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①国家自然科学基金，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：syuanquan@163．corn(收稿日期：2010-05．14)一20—万方数据石元泉等：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研究相对较少，而且一般采用传统的预测方法。由于网络系统的复杂性以及安全因素的多样性，网络安全态势预测通常被认为是一种非线性时间序列预测K。因此，利用传统的预测方法不能有效地揭示网络安全态势的变化规律，所得到的态势预测值与目标值存在较大的偏离。 　　由于人工智能方法对非线性时间序列具有很强的逼近和拟合能力，许多研究人员利用人工智能方法来解决非线性时间序列预测问题，如遗传算法。9、神经网络“o和支持向量机‘¨等智能预测方法。但是遗传算法的进化学习机制较为简单，神经网络存在易陷入局部优化、隐层数难以确定等缺陷，而支持向量机的算法性能易受惩罚参数、不敏感损失参数等关键参数的影响。与上述智能方法相比，人工免疫系统具有全局优化、收敛速度快等优点’比。由于人工免疫系统继承了生物免疫系统的自学习、自适应、自组织和免疫记忆等优化学习机理．目前，许多研究人员更青睐于利用免疫优化机理来解决一些非线性问题”‘”。 　　针对上述各种网络安全态势感知模型在态势预测方面存在的不足以及人工免疫系统解决非线性问题的优点，本文提出了基于免疫优化原理的网络安全态势预测方法(NSSPAI)，试图利用该方法对网络安全态势进行相应的预测，实验结果已证明该方法的预测性能优于GA预