宏观网络态势感知系统中预测算法设计.docVIP

宏观网络态势感知系统中预测算法设计 　　（电子科技大学 计算机科学与工程学院, 成都610054） 　　 　　摘 要：针对被动防御的问题，提出了一种基于支持向量回归算法的网络安全态势预测方法。在最近固定时间段的数据集数据进行归一化处理的基础上，构造样本数据并进行训练，确定预测模型的各项参数。实验证明该方法能有效地对网络未来的安全态势进行预测，结果优于其他算法，达到了实时在线条件下准确预测网络安全态势结果的目的。 　　关键词：态势感知；支持向量回归；预测 　　中图分类号：TP393.08文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1517-?B03 　　 　　Prediction technique research in network situation awareness 　　 　　YE Li,WANG Juan,ZHANG Feng-li 　　(School of Computer Science Engineering, University of Electronic Science Technology of China， Chengdu 610054, China) 　　Abstract:Aiming at the problem of passive defense,this paper presented a prediction technique in network security situation based on support vector regression algorithm. By processing normalized data set in last fixed time period, trained sample data to determine the parameter of prediction model. The experiment result shows that the technique can predict the network security situation efficiently and accurately, the result is better than other algorithms.It achieved the objective of predict network security situation accurately in real-time and on-line system. 　　Key words:situation awareness; support vector regression(SVR); forecast 　　计算机和网络通信技术的高速发展，对人们的生活产生了日益重要的影响。与此同时，计算机网络和操作系统本身的漏洞也越来越多地暴露出来，利用计算机网络的各种违法犯罪活动层出不穷，给人们造成了巨大的财产损失，甚至威胁到国家整体的信息安全。因此，及时评估当前网络状态并预测其发展趋势成为保障各种网络服务安全急需解决的问题。?? 　　准确有效地预测网络的安全态势，使得网络的安全管理从被动变为主动。管理员可以判断网络安全所处状态的趋势，更好地理解网络状态及其所受攻击的状态，能在网络遭受攻击和损失之前，及时采取防御措施，加强网络安全设备的安全策略，更改网络安全监管的安全规则，真正达到网络安全主动防御的目的。线性回归分析、灰色预测等传统算法可以预测一段时间内数据变化的大致趋势，但在处理具有非线性关系、非正态分布特性的宏观网络态势值所形成的时间序列数据时，效果不理想。也有通过RBF等神经网络[1]来进行网络安全态势值的预测，但神经网络算法主要依靠经验风险最小化原则，容易导致泛化能力的下降且模型结构难以确定。在学习样本数量有限时，学习过程误差易收敛于局部极小点，学习精度难以保证；学习样本数量很多时，又陷入维数灾难，泛化性能不高。在进行实时在线预测的网络态势感知系统中，神经网络的这一缺点被进一步放大。?? 　　支持向量回归（SVR）算法有效避免了上述算法所面临的问题，预测绝对误差小，保证了预测的正确趋势率，能准确预测网络态势的发展趋势。与RBF神经网络的预测算法相比，其更有利于对实时在线网络态势值的预测分析。?? 　　1 相关技术?? 　　网络态势感知源于空中交通监管(air traffic control,ATC)态势感知，是一个比较新的概念。1999年，Tim Bass首次提出网络态势感知(cyberspace situation awareness)的概念，并对网络态势感知与ATC态势感知进行了类比，旨在把ATC态势感知的成熟理论和技