基于Kalman算法和灰关联熵的网络安全态势预测方法分析-计算机科学与技术专业论文.docxVIP

承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进 行的研究工作及取得的研究成果。除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签名： 日 期： 摘 要 随着网络规模的日趋庞大，结构的日益复杂和多变，传统的解决单个网络安全问题的方法 已经无法满足需求。对网络的整体运行情况进行感知和预测，已经逐渐成为当前网络安全领域 的研究热点之一。网络安全态势预测作为网络安全态势感知的重要内容，使网络安全管理从被 动变为主动。目前网络安全态势预测仅仅利用当前和过去的网络安全态势值对未来一段时间进 行预测，这种方法预测数据单一，未结合各种环境影响因素。针对以上问题，本文主要工作和 创新点如下： （1）深入研究了影响网络安全态势的各种环境因素。由于影响网络安全态势的环境因素较 多，为了权衡预测的精度和效率，本文利用灰关联熵分析方法选出与网络安全态势关联程度较 大的影响因素，并给出了完整的基于灰关联熵和 Kalman 的网络安全态势感知模型。 （2）提出了 GRE-Kalman 预测算法。结合选出的网络安全态势的关键因素，提出了基于灰 关联熵的 Kalman 预测算法(GRE-Kalman)。GRE-Kalman 预测模型适用于任意个影响因素，可 根据需要确定影响因素的个数。通过结合影响因素进行预测，提高了预测的精度和算法的适应 性。 （3）提出了 AP-Kalman 预测算法。结合灰关联熵分析方法选出的关键因素攻击强度，分 别利用前一个时间段的攻击强度、前二个时间段的攻击强度、前三个时间段的攻击强度、前一 个时间段的攻击强度和前一个时间段的网络安全态势建立不同的预测模型，实验结果表明利用 前二个时间段的攻击强度建立的模型预测效果较好，将该模型命名为 AP-Kalman 算法。 AP-Kalman 算法预测精度比 GRE-Kalman 算法高，说明 AP-Kalman 算法是可行的。 关键词：网络安全态势，态势评估，Kalman 滤波，预测 I ABSTRACT With the prevalence of internet and the complexity of network structure, the traditional methods, which are used to resolve single security question, are difficult to fill the demands of security. Assessing and forecasting the entire network security status has became one of hotspots in the field of network security. Network security situation prediction, as an important part of network security situation assessing, made it possible for administrator to protect the security of the network system actively. The traditional methods of network security situation prediction use the value of network security situation in the present and the past. These methods only use single data and don’t combine with a variety of environmental factors. To solve the above problems, the main innovations of the dissertation are as follows: The factors which influence the value of network security situation were studied. The factors were too much for prediction. Considering both the accuracy and efficiency of the pre