一种信息系统安全自适应监测及评估方法.docVIP

一种信息系统安全自适应监测及评估方法 　　摘 要： 针对网络入侵的特征，提出一种基于SVM支持向量机的入侵危险识别模型。利用支持向量机SVM模型，混合人工蜂群HABC优化的方式，克服算法中存在早熟收敛和局部极小的问题。通过该模型实现对网络入侵信息系统自适应识别出攻击效果，有效得到网络入侵的信息系统风险评估。验证结果表明，HABC优化的SVM模型比传统危险入侵识别模型的准确度更高，收敛速度快，泛化能力增强，说明了该方法的可行性、有效性 关键词： 安全监测； 混合人工蜂群算法； 支持向量机； 信息安全； 风险评估 中图分类号： TN915.08?34； V249 文献标识码： A 文章编号： 1004?373X（2017）07?0081?04 An adaptive monitoring and evaluation method of information system security ZHANG Jisheng， WU Minrong， DANG Yin， REN Dongxiao， SHEN Qing （Information and Communication Company， State Grid Ningxia Electric Power Company， Yinchuan 750000， China） Abstract： Aiming at the characteristics of the network intrusion， an intrusion risk identification model based on support vector machine （SVM） is proposed. The SVM model and the optimization method of the hybrid artificial bee colony （HABC） are used to overcome the problems of premature convergence and local minimum existing in the algorithm. The attack effect of the network intrusion information system can be recognized automatically with this model， and the information system risk assessment of network intrusion can be obtained effectively. The experimental results show that the SVM model optimized with HABC has higher accuracy than that of the traditional danger intrusion identification models， faster convergence rate and stronger genera?lization ability， and the feasibility and effectiveness of the proposed method are verified. Keywords： safety monitoring； hybrid artificial bee colony algorithm； support vector machine； information security； risk assessment 0 引 言 随着国家电网SG186、SGERP、三集五大等信息化建设不断深化，电力业务越来越依赖于信息通信系统，信息通信系统的安全性和可靠性将直接影响到电网企业数据信息的安全保密性[1]。然而，国家电网数据资源中往往包含大量的敏感信息，一旦泄露或遭到非法利用，将会给个人甚至是国家带来无法弥补的损失。相关数据表明，仅2015年CNVD就通报了将近136个信息系统漏洞，占信息安全漏洞总数的1.8%。多个公司的上千万条数据从数据库中泄露[2]。另一方面，入侵手段越来越丰富，短时间内入侵的监测数据产生速度越来越快，入侵的数据量飞速增长，能够达到PB量级[3]，传统的监测技术面对如此大容量的数据进行逐项监测分析，工作量会大大提高，很难有效地处理与解决入侵问题 本文利用人工蜂群算法结合细菌趋药性算法得到的混合人工蜂群算法对支持向量机SVM的参数进行寻优，再用优化后的SVM对信息系统的操作进行识别分类，判断其是否为危险入侵。同时采用密度估计算法对模型分类得到的