相似云下的網(wǎng)絡(luò)安全風(fēng)險評估論文

　　摘要：針對當(dāng)前網(wǎng)絡(luò)安全風(fēng)險評估指標(biāo)體系不全面、實踐操作復(fù)雜和評估結(jié)果不精確等問題，提出了一種基于相似云的網(wǎng)絡(luò)安全風(fēng)險評估方法。結(jié)合網(wǎng)絡(luò)攻擊威脅程度、漏洞利用情況和網(wǎng)絡(luò)穩(wěn)定性三要素建立指標(biāo)體系，并采用正態(tài)云重疊面積定量描述云模型的相似度，實現(xiàn)對網(wǎng)絡(luò)風(fēng)險的模糊量化評估。實驗表明，該方法能有效地評估網(wǎng)絡(luò)風(fēng)險，提高評估結(jié)果的精確性。

　　關(guān)鍵詞：網(wǎng)絡(luò)安全；風(fēng)險評估；云模型；指標(biāo)體系；相似性度量

　　隨著網(wǎng)絡(luò)的多樣化和復(fù)雜化，網(wǎng)絡(luò)安全問題變得日益突出。因此，對當(dāng)前網(wǎng)絡(luò)風(fēng)險進(jìn)行評估，并依據(jù)評估結(jié)果在風(fēng)險發(fā)生之前采取相應(yīng)的防御措施，降低風(fēng)險發(fā)生概率，提高網(wǎng)絡(luò)安全就變得十分重要。目前網(wǎng)絡(luò)安全風(fēng)險評估存在的主要問題是評估主觀性強(qiáng)，評估結(jié)果不精確。針對這些問題，一些學(xué)者提出通過建立合理的指標(biāo)體系，選取適當(dāng)?shù)闹笜?biāo)對網(wǎng)絡(luò)安全狀況進(jìn)行評估。如甕遲遲等依據(jù)國家等級保護(hù)技術(shù)標(biāo)準(zhǔn)，從技術(shù)要求和管理要求兩方面建立主機(jī)安全評估指標(biāo)體系，對主機(jī)安全風(fēng)險進(jìn)行了全面的模糊量化評估［１］。王娟等針對網(wǎng)絡(luò)層次、信息來源和不同需求三方面，擬定了２５個指標(biāo)，建立了完善的網(wǎng)絡(luò)安全態(tài)勢評估體系，對網(wǎng)絡(luò)安全態(tài)勢量化評估提供了可靠的依據(jù)［２］。程玉珍從技術(shù)風(fēng)險和非技術(shù)風(fēng)險兩個角度建立指標(biāo)體系，并利用多層次模糊綜合評估模型進(jìn)行多層次的評估，為云服務(wù)的風(fēng)險管理提供了理論參考［３］。一些學(xué)者采取定量或定性定量相結(jié)合的方法對網(wǎng)絡(luò)安全狀況進(jìn)行評估，如攻擊圖［４］、Ｐｅｔｒｉ網(wǎng)［５］、神經(jīng)網(wǎng)絡(luò)［６］、博弈論［７］、馬爾科夫模型［８］等方法，以避免純粹定性評估結(jié)果的不精確等問題。依據(jù)云模型把定性概念的模糊性和隨機(jī)性有效地結(jié)合在一起，實現(xiàn)定性與定量之間相互轉(zhuǎn)換的特點［９］，本文提出了基于云模型的風(fēng)險評估方法。通過完善網(wǎng)絡(luò)風(fēng)險評估指標(biāo)體系，建立云風(fēng)險評估模型，改進(jìn)云相似性度量算法，有效地提高了網(wǎng)絡(luò)風(fēng)險評估結(jié)果的精確性和可信性。

　　１網(wǎng)絡(luò)安全風(fēng)險評估指標(biāo)體系

　　網(wǎng)絡(luò)安全狀態(tài)評估涉及眾多因素，而各因素的影響程度均不同。只有綜合考慮影響網(wǎng)絡(luò)安全的各種因素，才能對網(wǎng)絡(luò)狀態(tài)進(jìn)行科學(xué)、合理的評價。因此，本文從網(wǎng)絡(luò)安全風(fēng)險因素中選取具有代表性的評估指標(biāo)，構(gòu)建網(wǎng)絡(luò)安全風(fēng)險評估指標(biāo)體系，如圖１所示。指標(biāo)體系由目標(biāo)、子目標(biāo)和指標(biāo)三個層次構(gòu)成，Ｕ代表目標(biāo)層，表示網(wǎng)絡(luò)安全狀態(tài)評估結(jié)果；Ｕ１、Ｕ２、Ｕ３代表子目標(biāo)層，表示影響網(wǎng)絡(luò)風(fēng)險的因素；指標(biāo)層是子目標(biāo)層的細(xì)化，表示網(wǎng)絡(luò)安全評估的具體因素。圖１從脆弱性、威脅性和穩(wěn)定性三個方面選取了影響網(wǎng)絡(luò)安全風(fēng)險的１２個指標(biāo)。其中，脆弱性子目標(biāo)層的指標(biāo)反映評估對象自身在系統(tǒng)軟、硬件配置和服務(wù)配置上的安全性不足；威脅性子目標(biāo)層的指標(biāo)反映當(dāng)前網(wǎng)絡(luò)狀態(tài)下的危害程度；穩(wěn)定性子目標(biāo)層的指標(biāo)反映連續(xù)時間內(nèi)網(wǎng)絡(luò)性能變化情況。

　　２基于云模型的網(wǎng)絡(luò)安全風(fēng)險評估方法

　　利用云模型對網(wǎng)絡(luò)安全風(fēng)險評估指標(biāo)進(jìn)行評估量化處理，并把這種模型定義為云風(fēng)險評估模型。具體定義如下：云風(fēng)險評估模型ＣＲＡＭ（ＣｌｏｕｄＲｉｓｋＡｓｓｅｓｓｍｅｎｔＭｏｄｅｌ）是一個五元組，即ＣＲＡＭ＝｛Ｒ，ｔ，Ｃ，Ｖ，Ｅ｝。（１）Ｒ＝（α１，α２，…，αｋ）表示網(wǎng)絡(luò)評估綜合風(fēng)險值集合。綜合風(fēng)險值αｉ＝∑ｎｊ＝１Ｉｉｊ×ｗｊ。其中：Ｉｉｊ表示第ｉ次采樣時，風(fēng)險評估指標(biāo)中第ｊ個指標(biāo)的樣本值；ｋ表示取樣次數(shù)；ｎ表示網(wǎng)絡(luò)風(fēng)險評估指標(biāo)個數(shù)；ｗｊ表示第ｊ個指標(biāo)所對應(yīng)的權(quán)重，且∑ｎｊ＝１ｗｊ＝１。（２）ｔ表示每次采樣間隔時間。（３）Ｃ＝（Ｅｘ，Ｅｎ，Ｈｅ）表示云向量。其中３個特征值Ｅｘ，Ｅｎ，Ｈｅ分別為期望、熵和超熵。（４）Ｖ＝（正常，較正常，較危險，危險）為系統(tǒng)狀態(tài)集合，表示風(fēng)險評估時的４種不同網(wǎng)絡(luò)狀態(tài)。（５）Ｅ＝（低，較低，較高，高）為評估等級集合，表示系統(tǒng)狀態(tài)所對應(yīng)的４種評估結(jié)果。

　�。玻�１正常狀態(tài)云的構(gòu)造

　　每間隔時間ｔ對當(dāng)前網(wǎng)絡(luò)參數(shù)進(jìn)行采樣，獲取ｋ組樣本點作為正常狀態(tài)下的樣本值。首先通過層次分析法（ＡＨＰ）［１０］計算各指標(biāo)權(quán)重并求取當(dāng)前狀態(tài)下不同時刻的綜合風(fēng)險值αｉ（要多次對網(wǎng)絡(luò)參數(shù)進(jìn)行采樣，以確保綜合風(fēng)險值的樣本量足夠多）；然后通過無確定度逆向云算法得到正常狀態(tài)云的數(shù)字特征（Ｅｘ，Ｅｎ，Ｈｅ）；最后通過正向云算法生成正常狀態(tài)云集合。２．１．１無確定度逆向云生成算法輸入：網(wǎng)絡(luò)安全評估指標(biāo)體系中各指標(biāo)的樣本值Ｉｉｊ和每個風(fēng)險指標(biāo)所對應(yīng)的權(quán)重ｗｊ，其中ｉ＝１，２，…，ｋ，ｊ＝１，２，…，ｎ（ｎ表示風(fēng)險指標(biāo)個數(shù)，本文有１２個指標(biāo)值，所以ｎ＝１２）。輸出：云數(shù)字特征值Ｅｘ、Ｅｎ、Ｈｅ。Ｓｔｅｐ１：計算不同時刻的綜合風(fēng)險值αｉ；αｉ＝∑ｎｊ＝１Ｉｉｊ×ｗｊ（１）Ｓｔｅｐ２：計算綜合風(fēng)險值的３個數(shù)字特征：（１）依據(jù)不同時刻的綜合風(fēng)險值，求取綜合風(fēng)險均值珨Ｍ＝１ｋ∑ｋｉ＝１αｉ，樣本方差Ｓ２＝１ｋ－１∑ｋｉ＝１（αｉ－珨Ｍ）２；（２）期望值Ｅｘ＝珨Ｍ；（３）熵值Ｅｎ＝（珨Ｍ２－Ｓ２２）１／４；（４）超熵值Ｈｅ＝（珨Ｍ－（珨Ｍ２－Ｓ２２）１／２）１／２。２．１．２正向云生成算法輸入：正常狀態(tài)下云的數(shù)字特征（Ｅｘ，Ｅｎ，Ｈｅ）和云滴個數(shù)Ｎ。輸出：Ｎ個云滴和正常狀態(tài)下每個云滴的確定度ｕｉ。Ｓｔｅｐ１：生成一個以Ｅｎ為期望值，Ｈｅ為標(biāo)準(zhǔn)差的一個正態(tài)隨機(jī)數(shù)Ｅｎ′；Ｓｔｅｐ２：生成一個以Ｅｘ為期望值，Ｈｅ為標(biāo)準(zhǔn)差的正態(tài)隨機(jī)數(shù)ｘｉ；Ｓｔｅｐ３：計算ｕｉ＝ｅｘｐ（－（ｘｉ－Ｅｘ）２／２（Ｅｎ′）２），其中ｘｉ表示一個云滴，ｕｉ為其確定度；Ｓｔｅｐ４：重復(fù)ｓｔｅｐ１－ｓｔｅｐ３，直到按照上述要求產(chǎn)生Ｎ個云滴為止。

　�。玻�２四尺度概念云的構(gòu)造

　　為了準(zhǔn)確描述網(wǎng)絡(luò)風(fēng)險狀態(tài)，首先將網(wǎng)絡(luò)狀態(tài)劃分為安全、較安全、較危險和危險４種，分別對不同狀態(tài)下的網(wǎng)絡(luò)參數(shù)值進(jìn)行采樣；然后依據(jù)正常狀態(tài)云的構(gòu)造步驟分別建立４種網(wǎng)絡(luò)狀態(tài)下的正態(tài)云；最后生成四尺度的概念云（正常、較正常、較危險、危險），其相應(yīng)的風(fēng)險結(jié)果為（低、較低、較高、高）。

　�。玻�３基于相似云的風(fēng)險評估算法

　　通過改進(jìn)文獻(xiàn)［１１］的云相似度算法，計算出當(dāng)前狀態(tài)下生成的正態(tài)云與標(biāo)準(zhǔn)狀態(tài)下四尺度的概念云的相似度，將相似度最高的概念云所對應(yīng)的風(fēng)險等級作為最終輸出結(jié)果。具體的相似云風(fēng)險評估算法如下：輸入：當(dāng)前網(wǎng)絡(luò)狀態(tài)下云Ｃ０的數(shù)字特征（Ｅｘ０，Ｅｎ０，Ｈｅ０），標(biāo)準(zhǔn)狀態(tài)下概念云Ｃ１的數(shù)字特征（Ｅｘ１，Ｅｎ１，Ｈｅ１）。輸出：風(fēng)險評估結(jié)果δ。Ｓｔｅｐ１：令ｆｉ（ｘ）＝ｅｘｐ（－（ｘ－Ｅｘｉ）２／２Ｅｎｉ２），ｉ＝０，１，求出云Ｃ０和云Ｃ１的兩條期望曲線ｙ＝ｆ０（ｘ）和ｙ＝ｆ１（ｘ）在［Ｅｘ１－３Ｅｎ１，Ｅｘ１＋３Ｅｎ１］范圍內(nèi)的相交點ｘ１、ｘ２，設(shè)ｘ１≤ｘ２，Ｅｘ０≤Ｅｘ１；Ｓｔｅｐ２：由于交點的分布不同，正態(tài)云重疊面積Ａ分為３種情況：（１）若ｘ１與ｘ２落在［Ｅｘ１－３Ｅｎ１，Ｅｘ１＋３Ｅｎ１］范圍外，則Ａ＝０；（２）若ｘ１與ｘ２有一點落在［Ｅｘ１－３Ｅｎ１，Ｅｘ１＋３Ｅｎ１］范圍內(nèi)，則Ａ＝∫ｘ１Ｅｘ１－３Ｅｎ１ｆ１（ｘ）ｄｘ＋∫Ｅｘ１＋３Ｅｎ１ｘ１ｆ０（ｘ）ｄｘ；（３）若ｘ１與ｘ２同時落在［Ｅｘ１－３Ｅｎ１，Ｅｘ１＋３Ｅｎ１］范圍內(nèi)，則Ａ＝∫ｘ１Ｅｘ１－３Ｅｎ１ｆ１（ｘ）ｄｘ＋∫ｘ２ｘ１ｆ０（ｘ）ｄｘ＋∫Ｅｘ１＋３Ｅｎ１ｘ２ｆ１（ｘ）ｄｘ（當(dāng)Ｅｎ１＜Ｅｎ０時），或Ａ＝∫ｘ１Ｅｘ１－３Ｅｎ１ｆ０（ｘ）ｄｘ＋∫ｘ２ｘ１ｆ１（ｘ）ｄｘ＋∫Ｅｘ１＋３Ｅｎ１ｘ２ｆ０（ｘ）ｄｘ（當(dāng)Ｅｎ１≥Ｅｎ０時）；Ｓｔｅｐ３：對面積Ａ做標(biāo)準(zhǔn)化處理，最終可得云模型相似度為：ｓｉｍ（Ｃ０，Ｃ１）＝Ａ２槡πＥｎ１∈［０，１］（２）Ｓｔｅｐ４：依次計算待評價云Ｃ０與４個概念云Ｃ１，Ｃ２，Ｃ３，Ｃ４的相似度值，其中最大相似度值所對應(yīng)的風(fēng)險等級為最終的輸出結(jié)果，記為δ。

　　３實驗結(jié)果與分析

　　３．１實驗過程與結(jié)果

　　本實驗基于Ｗｉｎｄｏｗｓ７環(huán)境，編程工具為Ｍａｔｌａｂ７．１１，在校園網(wǎng)絡(luò)環(huán)境下進(jìn)行測試。采用美國林肯實驗室Ｋｄｄｃｕｐ９９數(shù)據(jù)集中的數(shù)據(jù)，分別對非攻擊、ＰＲＯＢＥ（端口掃描）攻擊、Ｒ２Ｌ（遠(yuǎn)程登錄）攻擊和ＤｏＳ（拒絕服務(wù)）攻擊４種狀態(tài)下的數(shù)據(jù)進(jìn)行采集，按照１∶１０００的比例隨機(jī)選取子網(wǎng)帶寬占用率、子網(wǎng)流量增長率、子網(wǎng)流量變化率和不同協(xié)議數(shù)據(jù)包分布比值變化率４個指標(biāo)值。利用逆向云算法得到各狀態(tài)下云的特征值（見表１），然后通過正向云算法生成四尺度的概念云（正常，較正常，較危險，危險），其相應(yīng)的風(fēng)險評估結(jié)果為（低，較低，較高，高）。進(jìn)行隨機(jī)網(wǎng)絡(luò)攻擊，每隔１０ｓ對當(dāng)前網(wǎng)絡(luò)進(jìn)行一次采樣，每次實驗采樣２０組，利用ＡＨＰ依次計算此時的綜合風(fēng)險值并作為輸入?yún)��?shù)，通過逆向云算法求出此時的云特征值Ｃ（Ｅｘ，Ｅｎ，Ｈｅ）。重復(fù)實驗多次，并�。创螌嶒灢蓸又颠M(jìn)行相似度計算。利用相似云風(fēng)險評估算法，依次計算４次不同實驗下的云與標(biāo)準(zhǔn)狀態(tài)下四尺度概念云的相似度，相似度最大的為最終輸出結(jié)果.

　�。常�２實驗結(jié)果分析

　　將正態(tài)云相似性度量方法與傳統(tǒng)的基于云滴距離［１２］和余弦夾角［１３］求相似性的方法進(jìn)行比較.３種云相似性度量方法均可以得出正確的結(jié)果�；�于云滴距離的相似性度量方法，因云滴的分布帶有局部性和隨機(jī)性，各云滴之間選取和排序問題不僅會增加算法的復(fù)雜度，還會直接影響到結(jié)果的準(zhǔn)確性�；�于夾角余弦求相似度的方法雖然計算簡單，但是通過逆向云算法生成的期望值遠(yuǎn)大于熵和超熵，使得該方法在求相似度時容易忽視熵和超熵的作用，直接影響到結(jié)果的精確性。本文利用正態(tài)云重疊面積求相似度的方法充分考慮到正態(tài)云的全局相似性和３個數(shù)字特征值的作用，使得評估結(jié)果更加精確。

　　４結(jié)語

　　本文通過建立完善的網(wǎng)絡(luò)風(fēng)險評估指標(biāo)體系和改進(jìn)云相似性度量算法對網(wǎng)絡(luò)風(fēng)險狀態(tài)進(jìn)行了評估。實驗結(jié)果表明，改進(jìn)方法與傳統(tǒng)方法相比不僅使實驗結(jié)果更加精確，還提高了網(wǎng)絡(luò)安全評估效率。如何獲取和處理異常的網(wǎng)絡(luò)采樣數(shù)據(jù)，使評估結(jié)果更全面，是下一步研究的主要內(nèi)容。

　　參考文獻(xiàn)：

　�。郏保菸踢t遲，齊法制，陳剛．基于層次分析法與云模型的主機(jī)安全風(fēng)險評估［Ｊ］．計算機(jī)工程，２０１６，４２（２）：１－６．

　　［２］王娟，張鳳荔，傅翀，等．網(wǎng)絡(luò)態(tài)勢感知中的指標(biāo)體系研究［Ｊ］．計算機(jī)應(yīng)用，２００７，２７（８）：１９０７－１９０９．

　�。郏常莩逃裾洌�云服務(wù)信息安全風(fēng)險評估指標(biāo)與方法研究［Ｄ］．北京：北京交通大學(xué)，２０１３．

　�。郏矗荩校瑁椋欤欤椋穑螅�，ＳｗｉｌｅｒＬＰ．Ａｇｒａｐｈ－ｂａｓｅｄｓｙｓｔｅｍｆｏｒｎｅｔ－ｗｏｒｋ－ｖｕｌｎｅｒａｂｉｌｉｔｙａｎａｌｙｓｉｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＷｏｒｋｓｈｏｐｏｎＮｅｗＳｅｃｕｒｉｔｙＰａｒａｄｉｇｍｓ．Ｖｉｒｇｉｎｉａ，ＵＳＡ：ＡＣＭ，１９９８：７１－７９．

　�。郏担莞呦�，祝躍飛，劉勝利，等．基于模糊Ｐｅｔｒｉ網(wǎng)的網(wǎng)絡(luò)風(fēng)險評估模型［Ｊ］．通信學(xué)報，２０１３（Ｓ１）：１２６－１３２．

　�。郏叮輨⒎迹�蔡志平，肖儂，等．基于神經(jīng)網(wǎng)絡(luò)的安全風(fēng)險概率預(yù)測模型［Ｊ］．計算機(jī)科學(xué)，２００８，３５（１２）：２８－３３．

　　［７］姜偉，方濱興，田志宏，等．基于攻防博弈模型的網(wǎng)絡(luò)安全測評和最優(yōu)主動防御［Ｊ］．計算機(jī)學(xué)報，２００９，３２（４）：８１７－８２７．

　　［８］王笑，李千目，戚湧．一種基于馬爾科夫模型的網(wǎng)絡(luò)安全風(fēng)險實時分析方法［Ｊ］．計算機(jī)科學(xué)，２０１６，４３（Ｓ２）：３３８－３４１．

　　［９］李德毅，劉常昱．論正態(tài)云模型的普適性［Ｊ］．中國工程科學(xué)，２００４，６（８）：２８－３４．

　　［１０］廖紅強(qiáng)，邱勇，楊俠，等．對應(yīng)用層次分析法確定權(quán)重系數(shù)的探討［Ｊ］．機(jī)械工程師，２０１２（６）：２２－２５．

　�。郏保保堇詈Ａ�，郭崇慧，邱望仁．正態(tài)云模型相似度計算方法［Ｊ］．電子學(xué)報，２０１１，３９（１１）：２５６１－２５６７．

　�。郏保玻輳堄�，趙東寧，李德毅．相似云及其度量分析方法［Ｊ］．信息與控制，２００４，３３（２）：１２９－１３２．

　�。郏保常輳埞庑l(wèi)，李德毅，李鵬，等．基于云模型的協(xié)同過濾推薦算法［Ｊ］．軟件學(xué)報，２００７，１８（１０）：２４０３－２４１１．

【相似云下的網(wǎng)絡(luò)安全風(fēng)險評估論文】相關(guān)文章：

金融創(chuàng)新下的金融風(fēng)險管理論文04-18

城市區(qū)域火災(zāi)風(fēng)險評估綜述06-09

柜員制在住院結(jié)算中的風(fēng)險評估及預(yù)防08-23

企業(yè)風(fēng)險管理論文02-20

急救與生命設(shè)備風(fēng)險管理研究論文04-28

內(nèi)部審計風(fēng)險及應(yīng)對措施探討的論文08-23

云計算環(huán)境下的大規(guī)模圖數(shù)據(jù)處理技術(shù)思考論文（精選7篇）07-26

企業(yè)風(fēng)險管理論文 15篇02-20

項目風(fēng)險管理論文范本07-21

項目風(fēng)險管理論文范本07-24