粗糙集理论在网络攻击效果评估中应用研究.docVIP

粗糙集理论在网络攻击效果评估中应用研究 　　摘 要：计算机网络攻击效果评估技术是信息系统安全评估中一个重要而具有挑战性的课题。进行网络攻击效果评估需要建立一套评估指标体系，针对具体的攻击，评估体系中指标的重要性各不相同。运用粗糙集理论确定各个指标之间的关系，使评估指标的权重分配赋值更加科学、合理。 　　关键词：效果评估；粗糙集；评估指标 　　中图分类号：TP393.08文献标志码：A 　　文章编号：1001-3695(2007)06-0118-03 　　在信息化战争时代，网络战作为一种新的作战样式越来越受到各国军方的重视，网络攻击效果评估技术的研究具有重要意义。对于攻击方，从网络攻击设备的论证研制到装备使用都要对其毁伤能力进行评测以检验其是否有效，通过评估可促进攻击技术研究的深入，促使设备研制顺利进行。对于防守方，可采用模拟攻击的手段对自身网络的安全性能进行测试、评估，发现其薄弱环节，以提高抵御攻击的能力。?? 　　网络信息系统攻击效果综合评估技术兼顾攻击和防御两个方面，研究在复杂网络环境下对信息系统网络攻击的效果如何给出定性和定量的评估结果，并以此来检验攻击的有效性和信息系统的安全性，弥补了现有信息安全评估工作主要侧重于主机安全的量化评估、侧重于防御的不足［1－3］。?? 　　要评测网络受攻击前后安全特性的变化，就必须选择合适的性能指标体系。针对具体的攻击，评估体系中指标的重要性各不相同。如何确定各个指标之间的关系，使评价指标的权重分配赋值更加科学、合理是需要解决的一个重要问题［4］。粗糙集理论是一种研究不完整、不确定知识和数据的表达、学习、归纳的理论方法。运用该方法可以对属性的重要性进行度量，避免了采用层次分析法中专家打分的主观过程，从而更加客观地对网络攻击效果进行量化评估。?? 　　 　　1 粗糙集理论［5－7］?? 　　粗糙集（Rough Sets，有的也称粗集）理论是由波兰华沙理工大学Pawlak教授于20世纪80年代初提出的一种研究不完整、不确定知识和数据的表达、学习、归纳的理论方法，其近年来在理论模型、算法研究、工程应用中取得了好的成果和应用。?? 　　Rough集的研究对象是由一个多值属性集合描述的一个对象集合，对于每个对象及其属性都有一个值作为其描述符号，对象、属性和描述符是表达决策问题的三个基本要素。这种表达形式也可以看成一个二维表格，表格的行与对象相对应，列对应于对象的属性；各行包含了表示相应对象信息的描述符，还有关于各个对象的类别成员的信息。给定对象间的一个等价关系，即导致由等价类构成的近似空间的不分明关系，Rough集就用不分明对象类形成的上近似和下近似来描述。本文引入粗糙集理论，根据知识，利用粗糙集理论中属性重要性的概念得出网络攻击效果评估指标的权值。?? 　　1.1 知识?? 　　知识即是将对象进行分类的能力。用集合的概念表示就是：使用等价关系集??R对离散表示的空间U进行划分，知识就是R对U划分的结果。由此，在U和R的意义下，知识库可以定义为：属于R中的所有可能的关系对U的划分，记为K＝(U,R)。?? 　　这样给定一组数据U与等价关系集R，在R下对U的划分，称为知识，记为U/R。如果一个等价关系集对数据的划分存在矛盾，则将导致不确定划分，可用粗糙度来度量。?? 　　1.2 集合的上近似和下近似?? 　　令X??U，当X能用属性子集B确切地描述时，称X是B可定义的，否则称X是B不可定义的。B可定义集也称为B精确集，B不可定义集也称为B非精确集或B ??Rough??集。对每个概念X（样例子集）和不分明关系B，包含于X中的最大可定义集和包含于X的最小可定义集，都是根据B能够确定的，前者称为X的下近似集（记为B??-(x)），后者称为X的上近似集（记为B??-(x)）。下面给出上近似集和下近似集的形式化定义。?? 　　给定知识表达系统S＝〈U ,R ,V , f〉,对于每个子集X??U和不分明关系B，X的上近似集和下近似集分别可以由B的基本集定义如下： 　　1.3 分类质量?? 　　设集合簇F={X??1,X??2,…,X??n}(U=∪ni=1X??i)是论域U上所定义的知识，B是一个属性子集，定义B对F近似分类的质量为 　　B对F近似分类的质量是应用知识B对对象进行分类时，能够确定决策的对象在论域中所占的比例。?? 　　1.4 属性重要性?? 　　根据上面介绍的B对F近似分类的质量这一概念，可以对论域样本属性的重要程度进行度量。在了解一个论域中的样例时，可以通过知道其属性值来对样例进行处理。在现实情况下，有时并不一定知道一个样例的所有属性值，需要根据部分属性值来进行判定；有时需要确定一个论域中是否每个属性值的重要程度是一样的，因为度量不同的属性值的代