網(wǎng)絡(luò)安全態(tài)勢感知綜述(ppt52頁)-文庫吧在線文庫
【正文】 。 D. 返回步驟 B。 輸出 :防守方對最大損害的最佳加固方案 . A. 令 k=K,取 R(TPN(t,K+1))=0,Rc(TPN(t,K+1))=0。 〉 7. 按照步驟 (6)同樣的計算方法 ,評估系統(tǒng)的完整性態(tài)勢和可用性態(tài)勢 。如果跳轉(zhuǎn)到狀態(tài) C,表示加固方案執(zhí)行成功或 t 在該方向傳播失敗 。 〉 目前網(wǎng)絡(luò)安全態(tài)勢預(yù)測一般采用神經(jīng)網(wǎng)絡(luò)、時間序列預(yù)測法和支持向量機等方法 基于 Markov 博弈模型的網(wǎng)絡(luò)安全態(tài)勢感知方法 張勇 譚小彬 崔孝林 〉 本文提出一種基于 Markov 博弈分析的網(wǎng)絡(luò)安全態(tài)勢感知方法， 分析了威脅傳播對網(wǎng)絡(luò)系統(tǒng)的影響 ,準(zhǔn)確全面地評估系統(tǒng)的安全性。例如我們可能得到這么一串?dāng)?shù)字（擲骰子 10次）： 1 6 3 5 2 7 3 5 2 4 〉 隱含狀態(tài)鏈 有可能是： D6 D8 D8 D6 D4 D8 D6 D6 D4 D8 〉 轉(zhuǎn)換概率 (隱含狀態(tài)） 〉 輸出概率：可見狀態(tài)之間沒有轉(zhuǎn)換概率，但是隱含狀態(tài)和可見狀態(tài)之間有一個概率叫做 輸出概率 可見狀態(tài)鏈 隱馬爾可夫模型 隱馬爾可夫模型 〉 隱馬爾科夫的 基本要素 ，即一個五元組 {S,N,A,B,PI}； ? S：隱藏狀態(tài)集合； ? N：觀察狀態(tài)集合； ? A：隱藏狀態(tài)間的轉(zhuǎn)移概率矩陣； ? B：輸出矩陣（即隱藏狀態(tài)到輸出狀態(tài)的概率）； ? PI：初始概率分布（隱藏狀態(tài)的初始概率分布）； 優(yōu)缺點評價 〉 優(yōu)點：可以融合最新的證據(jù)信息和先驗知識，過程清晰，易于理解 〉 缺點： 1. 要求數(shù)據(jù)源大，同時需要的存儲量和匹配計算的運算量也大，容易造成位數(shù)爆炸，影響實時性 2. 特征提取、模型構(gòu)建和先驗知識的獲取有一定困難。 〉 加權(quán)平均法是最常用、最有代表性、最簡單的基于數(shù)學(xué)模型的融合方法。 〉 基于數(shù)據(jù)融合的 JDL模型，提出了基于多傳感器數(shù)據(jù)融合的網(wǎng)絡(luò)態(tài)勢感知功能模型。 〉 基于網(wǎng)絡(luò)安全態(tài)勢感知的功能，本文將其研究內(nèi)容歸結(jié)為 3個方面 : ? 網(wǎng)絡(luò)安全態(tài)勢要素的提取 。 〉 加權(quán)平均法的融合函數(shù)通常由態(tài)勢因素和其重要性權(quán)值共同確定 〉 優(yōu)點：直觀 〉 缺點：權(quán)值的選擇沒有統(tǒng)一的標(biāo)準(zhǔn)，大多是根據(jù)經(jīng)驗確定。 基于規(guī)則推理的融合方法 〉 基于規(guī)則推理的融合方法，首先模糊量化多源多屬性信息的不確定性 。 〉 對多傳感器檢測到的安全數(shù)據(jù)進行融合 ,得到資產(chǎn)、威脅和脆弱性的規(guī)范化數(shù)據(jù) 。 3. k+2 時刻 ,以狀態(tài) B 為例 ,t 向節(jié)點 節(jié)點 節(jié)點 1 傳播 ,管理員加固節(jié)點 1,普通用戶訪問率不變 .系統(tǒng)如果跳轉(zhuǎn)到狀態(tài) D,表示威脅成功傳播到節(jié)點 2 和節(jié)點 4,節(jié)點 1 加固方案執(zhí)行成功或 t 在該方向傳播失敗 . 〉 系統(tǒng) k 時刻 ,t 為一類威脅時 ,t 的保密性態(tài)勢和完整性態(tài)勢的評估方法類似 ,不計中立方行為的影響 ,用公式 (6a)表示 ,相應(yīng)的加固方案用公式 (7a)表示 : 〉 系統(tǒng) k 時刻 ,在對 t 的可用性態(tài)勢評估時 ,需要考慮中立方行為
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1