网络安全态势感知综述(ppt 52张)

优缺点评价
〉 优点：可以融合最新的证据信息和先验知识，过程清晰，易 〉 缺点：
1. 要求数据源大，同时需要的存储量和匹配计算的运算量也大，容易 响实时性
2. 特征提取、模型构建和先验知识的获取有一定困难。
基于规则推理的融合方法
〉 基于规则推理的融合方法，首先模糊量化多源多属性信息的 利用规则进行逻辑推理，实现网络安全态势的评估。
基于 Markov 博弈模型的网络安 态势感知方法
张勇 谭小彬 崔孝林
〉 本文提出一种基于 Markov 博弈分析的网络安全态势感知方 胁传播对网络系统的影响,准确全面地评估系统的安全性。
〉 对多传感器检测到的安全数据进行融合,得到资产、威胁和脆 数据;对每个威胁,分析其传播规律,建立相应的威胁传播网络 管理员和普通用户的行为进行博弈分析,建立三方参与的 Ma 从而实时动态的评估网络安全态势，并给出最佳加固方案
网络安全态势感知综述
席荣荣 云曉春 金舒原
文章概述
〉 基于态势感知的概念模型，详细阐述了态势感知的三个主要 络安全态势要素提取、态势理解和态势预测，重点论述了各 决的核心问题、主要算法以及各种算法的优缺点，最后对未 了分析和展望。
概念概述
〉1988年，Endsley首先提出了态势感知的定义：在一定的时空 知、理解环境因素，并且对未来的发展趋势进行预测。
基于概率统计的融合方法
〉 基于概率统计的融合方法，充分利用先验知识的统计特性， 确定性，建立态势评估的模型，然后通过模型评估网络的安
〉 常见基于概率统计的融合方法：
• 贝叶斯网络 • 隐马尔可夫模型
贝叶斯网络
P( AB)
贝叶斯公式： P(B)=
P(B)
贝叶斯网络：一个贝叶斯网络是一个 有向无环图（DAG），其节点表示 一个变量，边代表变量之间的联系， 节点存储本节点相当于其父节点的条 件概率分布。
1、网络安全态势要素的提取
〉 网络安全态势要素主要包括静态的配置信息、动态的运行信 流量信息。
•静态的配置信息：网络的拓扑信息，脆弱性信息和状态信息等基本配置 •动态的运行信息：从各种防护措施的日志采集和分析技术获取的威胁信
2、网络安全态势的理解
〉 在获取海量网络安全信息的基础上，解析信息之间的关联性 合，获取宏观的网络安全态势，本文称为态势评估。数据融 的核心。
〉 信任函数：
〉 似然函数：
D-S证据理论
〉 信任区间 ：[Bel(A)，pl(A)]表示命题A的信任区间，Bel(A)表 下限，pl(A)表示似真函数为 上限
模糊关系
2. 模糊关系 设论域U和V，则U×V 的一个子集R，就是U到V的 系，同样记作：
U RV
此处的关系R同样为二元关系。隶属函数表示形式为 R (u, v),u U , v V
隐马尔可夫模型
隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能 列观察到，每一个观测向量是由一个具有相应概率密度分布的状态序列 马尔可夫模型是一个双重随机过程
隐马尔可夫模型
隐马尔可夫模型
〉 假设我们开始掷骰子，我们先从三个骰子里挑一个，挑到每 率都是1/3。然后我们掷骰子，得到一个数字，1，2，3，4， 中的一个。不停的重复上述过程，我们会得到一串数字，每 2，3，4，5，6，7，8中的一个。例如我们可能得到这么一 子10次）：1 6 3 5 2 7 3 5 2 4 可见状态链
其隶属函数的映射：R (u, v) [0,1]
元素(u0,v0)的隶属度为μR(u0,v0) ，表示u0和v0具有关 程度
3、网络安全态势的预测
〉 网络安全态势的预测是指根据网络安全态势的历史信息和当 未来一段时间的发展趋势进行预测。
〉 目前网络安全态势预测一般采用神经网络、时间序列预测法 等方法
概念概述
〉 1999年，Tim Bass提出：下一代网络入侵检测系统应该融合从大量的异 感器采集的数据，实现网络空间的态势感知。
〉 基于数据融合的JDL模型，提出了基于多传感器数据融合的网络态势感知 〉 基于网络安全态势感知的功能，本文将其研究内容归结为3个方面:
• 网络安全态势要素的提取; • 网络安全态势的评估； • 网络安全态势的预测
〉 网络态势是指由各种网络设备运行状况、网络行为以及用户 构成的整个网络当前状态据组合方法和模糊逻辑是研究热点
D-S证据理论
〉 是一种不确定推理方法，证据理论的主要特点是：满足比贝 弱的条件；具有直接表达“不确定”和“不知道”的能力·。
〉 概率分配函数：设 Ｄ 为样本空间，其中具有 ｎ个元素，则 成的子集的个数为２ｎ个。概率分配函数的作用是把 Ｄ上的 Ａ都映射为[0，1]上的一个数 Ｍ（Ａ）。
〉 警报之间的逻辑关系：
• 警报属性特征的相似性
• 预定义攻击模型中的关联性
• 攻击的前提和后继条件之间的相关性
基于数学模型的融合方法
〉 综合考虑影响态势的各项态势因素，构造评定函数，建立态 态势空间的映射关系。
〉 加权平均法是最常用、最有代表性、最简单的基于数学模型 〉 加权平均法的融合函数通常由态势因素和其重要性权值共同 〉 优点：直观 〉 缺点：权值的选择没有统一的标准，大多是根据经验确定。
〉 隐含状态链有可能是：D6 D8 D8 D6 D4 D8 D6 D6 D4 D8 〉 转换概率(隐含状态）
〉 输出概率：可见状态之间没有转换概率，但是隐含状态和可 一个概率叫做输出概率
隐马尔可夫模型
隐马尔可夫模型
〉 隐马尔科夫的基本要素，即一个五元组{S,N,A,B,PI}；
• S：隐藏状态集合； • N：观察状态集合； • A：隐藏状态间的转移概率矩阵； • B：输出矩阵（即隐藏状态到输出状态的概率）； • PI：初始概率分布（隐藏状态的初始概率分布）；
〉 应用于态势评估的数据融合算法，分为以下几类：
• 基于逻辑关系的融合方法 • 基于数学模型的融合方法 • 基于概率统计的融合方法 • 基于规则推理的融合方法
基于逻辑关系的融合方法
〉 依据信息之间的内在逻辑，对信息进行融和，警报关联是典 关系的融合方法。
〉 警报关联是指基于警报信息之间的逻辑关系对其进行融合， 的攻击态势