基于知识发现的网络安全态势感知系统

合集下载

基于机器学习的网络安全态势感知系统设计

基于机器学习的网络安全态势感知系统设计网络安全是当今世界中备受关注的话题之一。

随着互联网的普及和技术的不断进步，网络安全面临的威胁不断增多，并且变得越来越复杂。

网络安全态势感知系统的出现，成为了保障网络安全的必要手段。

本文将围绕着基于机器学习的网络安全态势感知系统的设计展开论述。

一、网络安全态势感知系统的概述网络安全态势感知系统，是指能够对网络进行实时监控、攻击检测、漏洞预测和恶意行为分析的系统。

简单来说，就是通过对网络流量的监控和数据分析，对网络中发生的安全事件及时做出响应和处理，以保障网络的安全。

网络安全态势感知系统主要包括三个方面的内容：数据采集、数据分析和决策支持。

数据采集是指系统通过对网络流量的监控和数据的抓取，了解网络中的各类信息；数据分析则是指通过对采集到的数据的处理和分析，进行攻击检测、漏洞预测和恶意行为分析；决策支持则是指根据对数据分析的结果，进行相应的防御措施和安全策略的制订。

二、基于机器学习的网络安全态势感知系统的设计原理基于机器学习的网络安全态势感知系统，利用机器学习技术对采集到的数据进行处理和分析，从而提高对网络安全攻击等事件的识别和准确率。

具体来说，基于机器学习的网络安全态势感知系统的设计原理，主要包括以下几个方面：1、数据预处理在进行数据处理之前，需要对采集到的原始数据进行预处理，包括数据去重、数据清洗、数据过滤等。

这样可以消除数据中的噪声和冗余信息，提高数据的质量，并为后续的机器学习算法提供更加准确和有效的数据输入。

2、特征提取特征提取是机器学习中非常重要的一步，它决定了模型的抽象能力和表现力。

在网络安全态势感知系统中，特征提取的主要任务是将原始数据转换为具有可解释性的特征，用以表示数据的本质和价值。

根据具体的应用场景和目标，可以通过特征提取方法来减小特征空间、增强类别区分和降低计算复杂度等。

3、算法选择机器学习中常见的算法包括：支持向量机（SVM）、决策树（DT）、朴素贝叶斯（NB）和神经网络（NN）等。

网络安全态势感知系统

网络安全态势感知系统网络安全态势感知系统（Network Security situational awareness system），简称NSSA系统，是一种集成了安全监测、数据分析和情报收集等功能的系统。

其主要目标是通过实时监测和分析网络中的安全事件和威胁，提供给网络管理员和决策者全面的安全态势感知，快速有效地做出反应和应对措施。

NSSA系统主要包括以下几个方面的功能：1. 安全事件监测：通过监测网络中的交换机、防火墙、入侵检测系统等设备上的日志和流量信息，实时感知网络中的安全事件，如恶意代码传播、网络入侵、漏洞利用等。

同时，还可以监测系统资源的使用情况，及时发现异常活动。

2. 数据分析和挖掘：NSSA系统能够对收集到的大量数据进行分析和挖掘，提取出有用的安全信息。

通过数据聚类、异常检测、关联分析等技术，可以发现网络中的潜在威胁，识别出网络攻击者的行为模式，并提供给网络管理员预警信息。

3. 情报收集和分析：NSSA系统可以从各种渠道收集到的情报数据，如公开发布的漏洞信息、黑客组织的行动计划等。

通过对这些情报数据进行分析，可以及时发现新的安全威胁，并采取相应的防护措施。

4. 可视化展示和报告生成：NSSA系统将收集到的安全事件和威胁信息以图表和报告的形式呈现给用户，使他们能够直观地了解网络的安全状态和风险趋势。

此外，还可以生成日志和报告，用于后续的审计和调查工作。

网络安全态势感知系统具有以下几个优点：1. 实时性高：NSSA系统通过对网络流量和日志的实时监控，能够及时感知到网络中发生的安全事件和威胁，减少了响应时间，可以更快速地采取相关的安全措施。

2. 自动化操作：NSSA系统通过自动化的数据分析和挖掘技术，能够迅速处理大量的安全数据，提取出有用的信息，减轻了网络管理员的工作负担。

3. 综合性强：NSSA系统集成了安全事件监测、数据分析和情报收集等功能于一体，能够全面感知网络的安全态势，提供给决策者全面的安全信息和建议。

基于大数据的网络安全态势感知与分析系统

基于大数据的网络安全态势感知与分析系统随着网络的发展和普及，网络安全问题日益突出。

传统的网络安全体系已经不能满足实时监测和预防网络攻击的需求。

为了应对不断增长的网络威胁，基于大数据的网络安全态势感知与分析系统成为了一种有效的解决方案。

在传统的网络安全防御中，常常使用一个规则库来识别已知的威胁。

然而，由于网络攻击日益复杂多变，传统方法很难有效识别全新的威胁。

大数据技术则可以分析海量的网络数据，挖掘出潜在的威胁，并提供实时的态势感知。

基于大数据的网络安全态势感知与分析系统主要包括三个环节：数据采集、数据分析和态势感知。

首先，数据采集是系统的基础。

网络安全数据主要包括网络流量数据、日志数据和安全设备数据等。

通过采集这些数据，并进行整合和清洗，建立起庞大的数据仓库。

同时，还可以引入其他数据源，如社交媒体数据和漏洞信息数据等，以获得更全面的信息。

其次，数据分析是系统的核心。

通过采用机器学习和数据挖掘等算法，可以对海量的数据进行分析和挖掘，从中发现潜在的威胁。

例如，通过监测网络流量数据，可以识别出异常的网络行为；通过分析日志数据，可以发现非法的用户访问；通过分析安全设备数据，可以追踪和阻止正在进行的攻击。

通过这些分析和挖掘，系统可以得出网络的安全态势。

最后，态势感知是系统的输出。

通过将数据分析的结果可视化呈现，提供给安全人员进行实时监测和决策。

安全人员可以通过系统提供的分析图表和报告，了解当前的网络安全状况，及时采取相应的措施进行应对。

同时，系统还可以根据历史数据和趋势分析，提供预测性的安全策略，帮助安全人员制定更加有效的防御措施。

基于大数据的网络安全态势感知与分析系统具有以下优势：首先，系统可以实时监测网络中的异常行为和攻击，及时发现并应对潜在的威胁。

相对于传统方法，大数据分析可以更好地识别新型的攻击方式，提高了安全防护的能力。

其次，系统可以提供准确的安全状况报告和分析结果，帮助安全人员快速判断和应对网络威胁。

网络安全态势感知系统

网络安全态势感知系统网络安全态势感知系统是指通过对网络环境中的安全事件和威胁进行实时监测、分析和预警，以提高网络安全防护能力的一种系统。

随着网络攻击手段的不断演进和网络安全威胁的不断增加，网络安全态势感知系统显得越来越重要。

网络安全态势感知系统通过对网络流量数据、系统日志、入侵检测系统（IDS）和入侵防御系统（IPS）等信息进行实时的监测和收集，利用数据挖掘与分析算法对这些数据进行分析和模型建立，从而实现对网络安全状态的感知。

感知系统主要有四个基本模块：数据采集、数据预处理、数据分析和态势评估与预警。

首先，在数据采集模块中，网络安全态势感知系统通过调取网络设备、服务器、防火墙等设备的接口，获取网络数据、系统日志和安全事件等信息。

接着，在数据预处理模块中，网络安全态势感知系统对采集到的原始数据进行清洗、过滤和聚合，辨识出异常数据，同时对数据进行压缩和归档，以提高系统运行效率和数据的存储能力。

然后，在数据分析模块中，网络安全态势感知系统会运用各种数据挖掘和分析算法，对清洗和过滤后的数据进行分析和建模，从中发现和识别出网络安全事件和威胁。

最后，在态势评估与预警模块中，网络安全态势感知系统会根据分析结果，结合历史数据和安全策略，对网络当前的安全状态进行评估，判断网络是否受到攻击和威胁，以及可能产生的影响。

系统通过设定一定的预警阈值，当网络安全事件和威胁超过预警阈值时，系统会发出预警信息，通知相关人员及时采取相应的安全措施来应对威胁。

网络安全态势感知系统的优势在于能够实时监测和评估网络安全状态，及时发现和识别网络安全事件和威胁，并通过预警系统通知相关人员进行应急响应。

这对于提升网络安全的防护能力和降低安全风险非常重要。

综上所述，网络安全态势感知系统在当前复杂多变的网络安全环境下成为了必不可少的一环。

它通过对网络环境中的安全事件和威胁进行实时监测、分析和预警，有效地提升了网络安全防护能力，减少了网络安全风险的发生概率。

基于数据挖掘的网络安全态势感知系统

基于数据挖掘的网络安全态势感知系统网络安全问题一直是互联网发展过程中最为重要的问题之一。

由于网络攻击手段不断更新，网络安全技术也在不断的升级和创新。

而基于数据挖掘的网络安全态势感知系统，则是一种比较新型的解决方案，该系统可以对网络中的安全事件进行实时监测、识别和预警，以提高网络安全维护的质量和效率。

一、数据挖掘在网络安全领域的应用数据挖掘技术的应用在不断的发展，其应用范围也越来越广泛，其中在网络安全领域的应用也越来越多。

数据挖掘是一种新型的信息处理技术，具有自动化、高效性和智能化等优势，可以准确地发现和抽取隐藏在数据中的知识，这对于网络安全风险评估、安全事件监测具有十分重要的作用。

在网络安全领域中，数据挖掘技术被广泛应用在恶意代码分析、网络入侵检测、网络安全状态分析、异常行为检测等方面，发挥了重要的作用。

二、基于数据挖掘的网络安全态势感知系统基于数据挖掘的网络安全态势感知系统是一种新型的网络安全技术，主要用于网络安全事件的实时监测、识别和预警。

该系统采用统计学、机器学习、数据挖掘等技术，对网络中的数据进行分析和处理，以便及时发现网络安全事件，并在第一时间进行预警和处理。

通过该系统，网络管理员可以快速解决各种网络安全问题，有效保证了网络的稳定性和安全性。

三、基于数据挖掘的网络安全态势感知系统的工作原理该系统主要分为三步，预处理、数据挖掘和决策。

在预处理阶段，系统会对网络中的数据进行清洗和处理，去除无效的数据和噪声，保证数据的可行性。

在数据挖掘阶段，系统采用机器学习、神经网络等技术，对网络中的数据进行分析和挖掘，以寻找隐藏在数据中的规律和知识。

最后，在决策阶段，系统将分析结果进行综合评估，通过警报和提示等方式，向网络管理员发出相关预警信息。

四、基于数据挖掘的网络安全态势感知系统的优点与传统的网络安全维护方式相比，基于数据挖掘的网络安全态势感知系统具有以下几个优点：1、实时监测：该系统可以实时对网络中的数据进行监测，有效防止网络风险的发生。

基于知识发现的网络安全态势感知框架

基于知识发现的网络安全态势感知框架摘要：由于以往的安全警戒事件，网络安全态势感知提供了独特的高级别安全观。

但基于网络的安全警报数据的复杂性和多样性使得对其作分析极为困难。

在本文中，我们分析的网络安全态势感知系统中存在的问题，并提出了基于知识发现的网络安全态势感知框架。

该框架包括网络安全态势模型生成、网络安全态势产生。

建模的目的，是构建基于d-s理论的网络安全态势检测的形式化模型，并支持融合和分析来自于传感器安全态势的安全警报事件的一般化过程。

新一代网络安全态势就是从基于知识发现方法的网络安全态势数据集中提取出频繁模式和序列模式，并把这些模式转换为网络安全态势的相关规则，最后自动生成网络安全态势图。

集成网络安全态势感知系统（Net-SSA ）的应用表明，这种框架支持网络安全态势模型的精确生成和有效发展。

关键词：网络安全；态势感知；数据挖掘;知识发现一、引言传统的网络安全设备，如入侵检测系统（IDS ），防火墙，安全扫描器彼此独立运作，它们几乎没有自己所要保护的网络资源的信息。

由于缺乏信息，在对安全警告作解释和对相应的态势作出决策时，它往往给出很多模棱两可的答案。

网络系统遭受各种安全威胁，包括网络蠕虫、大规模的网络攻击等，网络安全态势感知是解决这些问题的有效途径。

网络安全态势感知的一般过程就是，感知发生在一定时间段和网络环境的网络安全事件，综合处理安全数据，分析系统所受到攻击行为，提供全局的网络安全观，评估整体的安全态势并预测未来的网络安全趋势。

在实现网络安全态势感知时存在着一些困难，如下：（1）从各种安全传感器生成的警报事件数量是巨大的，假阳性率太高。

（2）由于大规模网络攻击（例如:DDos）所产生的琐碎的安全警报非常复杂，并且它们之间的关系难以确定。

（3）安全传感器产生的警报事件数据类型数量巨大，然而对警报事件进行处理时警报处理程序得不到足够的信息，而且自动获取这些信息是相当困难的。

在本文中，我们总结的网络安全态势感知的研究过程，提出了一个基于知识发现的网络安全态势感知的框架，并应用到我们的网络安全态势感知系统（NET- SSA ）。

基于大数据的网络安全态势感知与预警系统研究

基于大数据的网络安全态势感知与预警系统研究随着互联网的快速发展和普及，人们生活中离不开网络的同时也面临着越来越多的网络安全威胁。

为了保障网络安全，许多企业和组织开始关注基于大数据的网络安全态势感知与预警系统的研究。

随着互联网技术的进步，网络攻击的方式和手段也随之发展。

传统的网络安全防护手段已经不能满足当前复杂多变的网络威胁环境。

因此，基于大数据的网络安全态势感知与预警系统应运而生。

首先，网络安全态势感知是指通过大数据分析和挖掘技术，对网络中的各种安全事件和攻击行为进行实时监测和分析，通过数据建模、数据挖掘和机器学习等技术手段，实现对网络安全态势的感知和分析。

网络安全态势感知系统具备以下几个重要功能：实时监测网络中的安全事件和攻击行为；分析网络中的安全事件和攻击行为；发现并识别网络中的异常行为和威胁；对网络中的安全事件进行分类和评估；定位和追踪网络中的攻击源。

基于大数据的网络安全态势感知系统需要借助大数据技术来处理和分析海量的网络数据，以实现对网络安全态势的感知和预警。

该系统通常包括以下几个主要组成部分：数据收集与存储模块、数据分析与挖掘模块、事件识别与响应模块、预警与报告模块。

数据收集与存储模块负责从网络中收集各种类型的安全数据，包括网络流量数据、系统日志、入侵检测系统数据等。

这些数据会被存储到关系型数据库、分布式文件系统或者大数据平台中，以便后续的处理和分析。

数据分析与挖掘模块是整个系统的核心模块，负责对存储在系统中的海量数据进行处理和分析。

这个模块通常包括数据预处理、特征提取、数据关联分析、机器学习等子模块。

通过数据分析和挖掘技术，可以发现网络中的异常行为和威胁，并对安全事件进行分类和评估。

事件识别与响应模块负责对网络中的安全事件进行识别和响应。

该模块通过与前两个模块的协同工作，可以准确地发现并定位网络中的攻击源，快速响应和应对安全事件，以保护网络的安全。

预警与报告模块是整个系统的输出模块，负责将感知到的安全威胁以预警的形式通知给系统管理员或安全分析人员，并生成相应的安全报告。

基于知识发现的网络安全态势感知系统

基于知识发现的网络安全态势感知系统【摘要】本文对基于知识发现的网络安全态势感知系统进行了研究，配置新颖的多级协同网络攻击的实时检测方法。

引入INFERD（实时决策信息融合引擎），一种适应性信息融合引擎，在零级，一级和二级进行融合，提供实时情景评估及其在ECCARS网域中的应用（网络攻击识别系统（Event Attack Recognition System）系统的事件关联。

【关键词】知识发现；网络安全；态势感知系统随着网络技术的不断进步，其开始在各个领域中得到广泛的应用，但是由于受到网络攻击的威胁，导致网络安全问题变得更加复杂。

目前网络安全缺乏行之有效的工具来及时的发现网络攻击现象，以确保能够在黑客达到目标之前禁止或减轻威胁。

存在各种基于网络和主机的入侵检测传感器（IDS），如SNORT和DAIWATCH，它们可以报告不同级别的特异性，但是这些传感器都不能检测到攻击的复杂性。

网络安全分析每天都会通过大量的IDS警报，尝试从警报的严重性或攻击者的意图来对其进行分析。

但网络攻击检测和协调式网络攻击识别（例如TIAA ，MIRADOR 和JIGSAW ）的研究工作尚未完全解决上述问题。

为了检测多阶段协调的网络攻击，其尝试从入侵检测传感器的输出系统进行分析，并尝试着从警报中对网络安全威胁进行分析，以确保网络安全问题得到及时、有效的解决。

1.传统网络安全管理方法存在问题将参数化系统部署到不同拓扑，漏洞和威胁的网络通常包括对系统进行重新训练以获得针对该环境获得的测试数据。

基于训练数据集的参数化系统的问题是非常敏感的，当处理不在训练集中的数据时，经常会导致大量的误报或不准确。

当获得一个参数向量v时，会出现过度拟合和过度训练的两种经典情况，这使得系统在训练数据上非常准确，但是对于非训练数据来说归结效果很差。

准确性或一般性权衡问题在许多学术领域得到了很好的研究，如统计学（称为偏差平衡），贝叶斯推理（称为惩罚似然[13]，）以及模式识别/ 机器学习（称为最小消息长度）。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＮｅｔｗｏｒｋＳｅｃｕｒｉｔＳｉｔｕａｔｉｏｎＡｗａｒｅｎｅｓｓＳｓｔｅｍＢａｓｅｄｏｎＫｎｏｗｌｅｄｅＤｉｓｃｏｖｅｒｙｙｇｙ
１２２２１ＷＡＮＧＣｈｕｎｌｅｉＡＮＧＬａｎＤｏｎｘｉａＡＩＹｉｉ－ＦＷＡＮＧ－Ｄ－ｇｑ１（，，）ＤｅａｒｔｍｅｎｔｏｆＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏＴｓｉｎｈｕａＵｎｉｖｅｒｓｉｔＢｅｉｉｎ１０００８４，Ｃｈｉｎａｐｐｇｙｇｙｊｇ２（，，）ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｎＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍＳｅｃｕｒｉｔＬａｂｏｒａｔｏｒＢｅｉｉｎＩｎｓｔｉｔｕｔｅｏｆＳｓｔｅｍａｎｄＥｎｉｎｅｅｒｉｎＢｅｉｉｎ１００１０１，Ｃｈｉｎａｇｙｙｙｙｊｇｙｇｇｊｇ，
，ＡｂｓｔｒａｃｔｅｔｗｏｒｋｓｅｃｕｒｉｔａｄｍｉｎｉｓｔｒａｔｏｒｓｎｅｅｄｔｏｏｂｔａｉｎａｎｄａｎａｌｚｅｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｆｏｒｍａｎａｅｍｅｎｔｍａｉｎＮ－ｙｙｙｇ，，，ｌａｎｎｉｎｕｒｏｓｅｓ．Ｔｈｅｔｅｎａｎｃｅａｎｄｃｏｍｌｅｘｉｔｉｅｓａｎｄｄｉｖｅｒｓｉｔｉｅｓｏｆｓｅｃｕｒｉｔａｌｅｒｔｄａｔａｏｎｍｏｄｅｒｎｎｅｔｗｏｒｋｓｈｏｗｅｖｅｒｐｇｐｐｐｙｍａｋｅｔｈｅｒｅｃｉｓｅａｎａｌｓｉｓａｎｄｅｖａｌｕａｔｉｏｎｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｅｘｔｒｅｍｅｌｄｉｆｆｉｃｕｌｔ．Ｗｅｓｕｍｍａｒｉｚｅｄｔｈｅｒｅｓｅａｒｃｈｐｙｙｙ，ｒｏｒｅｓｓａｎｄｅｘｉｓｔｉｎｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎａｗａｒｅｎｅｓｓａｎｄａｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｍｏｒｏｂｌｅｍｓｒｏｏｓｅｄ－ｐｇｇｙｙｐｐｐ，ｄｅｌｉｎａｎｄｆｒａｍｅｗｏｒｋｂａｓｅｄｏｎｋｎｏｗｌｅｄｅｄｉｓｃｏｖｅｒ．Ｔｈｅｎｗｅｄｅｓｉｎｅｄａｎｄｉｍｌｅｍｅｎｔｅｄｔｈｅｎｅｔｗｏｒｋｓｅｃｕｒｅｎｅｒａｔｉｏｎ－ｇｇｙｇｐｇｉｔｓｉｔｕａｔｉｏｎａｗａｒｅｎｅｓｓｓｓｔｅｍ（ＮｅｔＳＳＡ）ｂａｓｅｄｏｎｔｈｉｓｆｒａｍｅｗｏｒｋ．ＮｅｔＳＳＡｃｏｎｓｉｓｔｓｏｆｔｈｅｍｏｄｅｌｉｎｏｆｎｅｔｗｏｒｋｓｅｃｕｒ－－－ｙｙｇｉｔｓｉｔｕａｔｉｏｎａｎｄｔｈｅｅｎｅｒａｔｉｏｎｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎ．Ｔｈｅｕｒｏｓｅｏｆｍｏｄｅｌｉｎｉｓｔｏｃｏｎｓｔｒｕｃｔｔｈｅｆｏｒｍａｌｍｏｄｅｌｙｇｙｐｐｇ，ｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｍｅａｓｕｒｅｍｅｎｔｂａｓｅｄｕｏｎｔｈｅＤＳｅｖｉｄｅｎｃｅｔｈｅｏｒａｎｄｓｕｏｒｔｔｈｅｅｎｅｒａｌｒｏｃｅｓｓｏｆｆｕ－－ｙｐｙｐｐｇｐｓｉｎａｎｄａｎａｌｚｉｎｓｅｃｕｒｉｔａｌｅｒｔｅｖｅｎｔｓｃｏｌｌｅｃｔｅｄｆｒｏｍｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｓｅｎｓｏｒｓ．Ｔｈｅｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｉｓｅｎ－ｇｙｇｙｙｙｇｅｒａｔｅｄｂｅｘｔｒａｃｔｉｎｔｈｅｆｒｅｕｅｎｔａｔｔｅｒｎｓａｎｄｓｅｕｅｎｔｉａｌａｔｔｅｒｎｓｆｒｏｍｔｈｅｄａｔａｓｅｔｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｂａｓｅｄｙｇｑｐｑｐｙｋｎｏｗｌｅｄｅｄｉｓｃｏｖｅｒｍｅｔｈｏｄｓａｎｄｔｒａｎｓｆｏｒｍｉｎｔｈｅｓｅａｔｔｅｒｎｓｔｏｔｈｅｃｏｒｒｅｌａｔｉｏｎｒｕｌｅｓｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｕｏｎ－ｇｙｇｐｙｐｔｉｏｎ，ａｎｄｆｉｎａｌｌａｕｔｏｍａｔｉｃａｌｌｃｏｎｓｔｒｕｃｔｉｎｔｈｅｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｒａｈ．Ｔｈｅｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｙｙｇｙｇｐｐｓｓｔｅｍｓｕｏｒｔｓｔｈｅａｃｃｕｒａｔｅｍｏｄｅｌｉｎａｎｄｅｆｆｅｃｔｉｖｅｏｆｎｅｔｗｏｒｋｓｅｃｕｒｉｔｓｉｔｕａｔｉｏｎ．ｅｎｅｒａｔｉｏｎｙｐｐｇｙｇ，，，，ＫｅｗｏｒｄｓｅｔｗｏｒｋｓｅｃｕｒｉｔＳｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｍｏｄｅｌｉｎＳｅｃｕｒｉｔｓｉｔｕａｔｉｏｎｅｎｅｒａｔｉｏｎＤａｔａｍｉｎｉｎＫｎｏｗｌｅｄｅｄｉｓＮ－ｙｙｇｙｇｇｇｙｃｏｖｅｒｙ有较高的误报率和漏报率。网络安全态势感知是解决这些问题的有效途径，即通过在一定时间及空间范围内感知所发生的网络安全事件，针对安全数据进行综合处理，分析系统受到，的攻击行为，提供网络安全的 “ 全局视图 ” 评估网络系统的整体安全状态和推测未来的安全趋势。网络安全态势感知在安全告警事件的基础上提供统一的网络安全高层视图，使安全管理员能够快速准确地把握网络
１引言
网络系统面临不断变化的蠕虫病毒、大规模网络攻击等、安全威胁。传统的网络安全设备，如入侵检测系统（防ＩＤＳ）火墙和网络扫描器等，通常以独立方式工作，在解释告警事件并决定做出适当的响应时，不能准确、有效地发现和利用事件之间存在的关联关系，从而导致众多的不确定性，并且设备具
到稿日期：２０１１０７２７２０１１１０２３－－返修日期：－－，：；，王春雷（男，博士生，主要研究方向为软件安全等，方兰（女，硕士，主要研究方向为１９７７－）Ｅ－ｍａｉｌｗｃｌ０８＠ｍａｉｌｓ．ｔｓｉｎｈｕａ．ｅｄｕ．ｃｎ１９７６－）ｇ，，网络安全、网络管理等；王东霞（女，研究员，主要研究方向为网络安全；戴一奇（男，教授，博士生导师，主要研究方向为密码学１９７４－）１９４６－）和网络信息安全。
摘要由于网络安全告警数据的复杂性和多样性，使得难以精确地分析和评估网络安全态势。通过总结网络安全态势感知的最新研究进展和现存问题，提出了一种基于知识发现的网络安全态势建模与生成框架，在该框架的基础上设计并实现了网络安全态势感知系统ＮｅｔＳＳＡ。该系统主要由安全态势建模和安全态势生成两部分组成。安全态势－建模就是基于Ｄ用于支持态势传感器的安全事件融合和关联Ｓ证据理论构建适应于度量网络安全态势的形式模型，－分析。安全态势生成就是通过知识发现方法，挖掘网络安全态势数据集中的频繁模式和序列模式，并且将其转化成安全态势的关联规则，从而支持网络安全态势图的自动生成。通过相应的实验过程和结果分析，表明该系统能够支持网络安全态势的准确建模和高效生成。关键词网络安全，安全态势建模，安全态势生成，数据挖掘，知识发现中图法分类号ＴＰ３９３文献标识码Ａ