一种基于模糊粗糙集的网络态势评估方法研究

doi:10.3969/j.issn.1671-1122.2015.09.014

信息网络安全 ›› 2015, Vol. 15 ›› Issue (9): 58-61.doi: 10.3969/j.issn.1671-1122.2015.09.014

一种基于模糊粗糙集的网络态势评估方法研究

范渊, 刘志乐, 王吉文()

杭州安恒信息技术有限公司, 浙江杭州 310051

收稿日期:2015-07-15 出版日期:2015-09-30 发布日期:2015-11-13
作者简介:
作者简介：范渊（1975-）,男,浙江,高级工程师,硕士,主要研究方向：计算机网络、信息安全;刘志乐（1973-）,男,江苏,本科,主要研究方向：网络安全;王吉文（1987-）,男,福建,硕士研究生,主要研究方向：人工智能。

Research on Network Situation Assessment Method Based on Fuzzy Rough Set

Yuan FAN, Zhi-le LIU, Ji-wen WANG()

DBAPP Security, Hangzhou Zhejiang 310051, China

Received:2015-07-15 Online:2015-09-30 Published:2015-11-13

摘要/Abstract

摘要：

当今网络安全问题日趋严峻,了解网络当前安全状态,预测未来网络安全状态,有利于决策者及时做出准确的网络安全决策。在大规模复杂网络环境下,传统单一的网络管理方法并不能完全满足网络态势感知的需求,基于信息融合的网络态势感知成为未来发展的方向。由于网络态势评估是网络态势感知的核心环节,文章从网络态势感知的评估技术出发,针对态势评估中的粗糙集方法需要离散化而损失精度的缺点,引入模糊粗糙集技术,综合粗糙集和模糊集在处理不确定和模糊信息方面的优势,建立了网络安全态势评估的模糊粗糙集模型。实验证明,模型能提供较高的准确率,能为网络安全态势评估给出一个较为准确合理的评估结果。

关键词: 网络安全, 信息融合, 态势评估, 模糊粗糙集

Abstract:

Recently, the network security has become a severe issue. Obtaining the current network security status and predicting the future network security status may contribute to the decisions given by the decision makers. Under the large-scale and complex network environment, the traditional network management method cannot completely meet the demand of network situation awareness, and the network situation awareness based on information fusion has become the development direction of the future. Because network situation assessment is the core of network situation awareness, this paper introduces fuzzy rough set theory based on technologies of network security situation assessment, overcoming the defect that rough set method has to discretize while lost accuracy. By combining the advantages of the fuzzy set and rough set in dealing with uncertainty and vagueness of the data, this paper establishes a network security situation assessment model based on fuzzy rough set. The experiment shows that the model can provide high accuracy, and can provide a more accurate and reasonable evaluation results for the network security situation assessment.

Key words: network security, information fusion, situation assessment, fuzzy rough set

中图分类号:

TP309

范渊, 刘志乐, 王吉文. 一种基于模糊粗糙集的网络态势评估方法研究[J]. 信息网络安全, 2015, 15(9): 58-61.

Yuan FAN, Zhi-le LIU, Ji-wen WANG. Research on Network Situation Assessment Method Based on Fuzzy Rough Set[J]. Netinfo Security, 2015, 15(9): 58-61.

图/表 4

参考文献 19

[1]	陈秀真, 郑庆华, 管晓宏. 层次化网络安全威胁态势量化评估方法[J]. 软件学报, 2006, 17(4): 885-897.
[2]	赵克勤. 集对分析及其初步应用[J]. 大自然探索, 1994, 13(1): 67-71.
[3]	Haslum K, Arnes A.Multisensor real-time risk assessment using continuous-time hidden markov models[C]//Computational Intelligence and Security, 2006 International Conference on. IEEE, 2006,(2): 1536-1540.
[4]	Noel S, Jajodia S, Wang L, et al.Measuring security risk of networks using attack graphs[J]. International Journal of Next-Generation Computing, 2010, 1(1): 135-147.
[5]	Shafer G.A mathematical theory of evidence[M]. Princeton: Princeton university press, 1976.
[6]	徐晓辉, 刘作良. 基于DS 证据理论的态势评估方法[J]. 电光与控制, 2005, 12(5): 36-37.
[7]	Zhao G, Wang H, Wang J.Study on Situation Evaluation for Network Survivability Based on Grey Relation Analysis[J]. MINIMICRO SYSTEMS-SHENYANG-, 2006, 27(10): 1861.
[8]	Jibao L, Huiqiang W, Liang Z.Study of network security situation awareness model based on simple additive weight and grey theory[C]//Computational Intelligence and Security, 2006 International Conference on. IEEE, 2006,(2): 1545-1548.
[9]	卓莹, 何明, 龚正虎. 网络态势评估的粗集分析模型[J]. 计算机工程与科学, 2012, 34(3): 1-5.
[10]	陈志杰, 王永杰, 鲜明. 一种基于粗糙集的网络安全评估模型[J]. 计算机科学, 2007, 34(8): 98-100.
[11]	Jingxue R, Bo X.Risk Evaluation of Network Security Based on NLPCA-RBF Neural Network[C]//Multimedia Information Networking and Security (MINES), 2010 International Conference on. IEEE, 2010: 398-402.
[12]	Liang Y, Wang H Q, Lai J B.Quantification of network security situational awareness based on evolutionary neural network[C]//Machine Learning and Cybernetics, 2007 International Conference on. IEEE, 2007, (6): 3267-3272.
[13]	谭小彬,张勇,钟力.基于多层次多角度分析的网络安全态势感知[J].信息网络安全,2008,(11):47-50.
[14]	Pawlak Z.Rough sets[J]. International Journal of Computer & Information Sciences, 1982, 11(5): 341-356.
[15]	Zadeh L A.Fuzzy sets[J]. Information and control, 1965, 8(3): 338-353.
[16]	Dubois D, Prade H.Rough fuzzy sets and fuzzy rough sets[J]. International Journal of General System, 1990, 17(2-3): 191-209.
[17]	陈帆,林和,石周,等.基于互信息变化率的属性约简算法[J].信息网络安全,2012,(7):40-42.
[18]	Jiang F, Sui Y.A novel approach for discretization of continuous attributes in rough set theory[J]. Knowledge-Based Systems, 2015, (73): 324-334.
[19]	叶蓬. 网络安全态势感知在安全管理平台中的应用研究[J].信息网络安全,2010,(4):51-54.

一种基于模糊粗糙集的网络态势评估方法研究

Research on Network Situation Assessment Method Based on Fuzzy Rough Set

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 19

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘建伟, 韩祎然, 刘斌, 余北缘. 5G网络切片安全模型研究[J]. 信息网络安全, 2020, 20(4): 1-11.
[2]	赵志岩, 纪小默. 智能化网络安全威胁感知融合模型研究[J]. 信息网络安全, 2020, 20(4): 87-93.
[3]	黎水林, 祝国邦, 范春玲, 陈广勇. 一种新的等级测评综合得分算法研究[J]. 信息网络安全, 2020, 20(2): 1-6.
[4]	荆涛, 万巍. 面向属性迁移状态的P2P网络行为分析方法研究[J]. 信息网络安全, 2020, 20(1): 16-25.
[5]	裘玥. 大型体育赛事网络安全风险分析与评估[J]. 信息网络安全, 2019, 19(9): 61-65.
[6]	高孟茹, 谢方军, 董红琴, 林祥. 面向关键信息基础设施的网络安全评价体系研究[J]. 信息网络安全, 2019, 19(9): 111-114.
[7]	陈良臣, 刘宝旭, 高曙. 网络攻击检测中流量数据抽样技术研究[J]. 信息网络安全, 2019, 19(8): 22-28.
[8]	尚文利, 尹隆, 刘贤达, 赵剑明. 工业控制系统安全可信环境构建技术及应用[J]. 信息网络安全, 2019, 19(6): 1-10.
[9]	张可, 汪有杰, 程绍银, 王理冬. DDoS攻击中的IP源地址伪造协同处置方法[J]. 信息网络安全, 2019, 19(5): 22-29.
[10]	倪一涛, 陈咏佳, 林柏钢. 基于自动解混淆的恶意网页检测方法[J]. 信息网络安全, 2019, 19(4): 37-46.
[11]	陈良臣, 高曙, 刘宝旭, 卢志刚. 网络加密流量识别研究进展及发展趋势[J]. 信息网络安全, 2019, 19(3): 19-25.
[12]	傅建明, 黎琳, 郑锐, 苏日古嘎. 基于GAN的网络攻击检测研究综述[J]. 信息网络安全, 2019, 19(2): 1-9.
[13]	韦力, 段沁, 刘志伟. 互联网时代医院网络安全管理综述[J]. 信息网络安全, 2019, 19(12): 88-92.
[14]	张振峰, 张志文, 王睿超. 网络安全等级保护2.0云计算安全合规能力模型[J]. 信息网络安全, 2019, 19(11): 1-7.
[15]	张健, 陈博翰, 宫良一, 顾兆军. 基于图像分析的恶意软件检测技术研究[J]. 信息网络安全, 2019, 19(10): 24-31.