基于卷积神经网络多源融合的网络安全态势感知模型

摘要：

为了准确获取整个网络的安全态势,设计了一种包含流量探测、属性提炼、决策引擎、多源融合和态势评估五大核心环节的网络安全态势感知模型.流量探测指,以网络流量探测器和入侵检测探测器为工具对流量进行监测,分别抓取流量基础特征和恶意活动特征;属性提炼指,以准确地提炼核心属性为目的,重点关注能够刻画恶意活动特征的报警信息、报警类别和连接属性;决策引擎指,以属性提炼生成的各探测器的核心属性数据为输入,以卷积神经网络为引擎识别各种攻击;多源融合指,采用指数加权的D-S融合方法有效地融合各决策引擎的输出结果,提升攻击识别率;态势评估指,借助权系数理论有效地量化威胁等级,利用层次化分析方法准确地获取整个网络的安全态势.实验结果表明,不同探测器探测到的数据对各类攻击识别的差异较大,多源融合算法可将攻击识别的准确率提升到92.76％,在准确率指标上优于多数研究成果,准确率的提升有助于层次化网络分析方法更加准确地计算整个网络的安全态势.

关键词：网络安全态势感知、攻击识别、卷积神经网络、多源融合算法、层次化分析方法

所属期刊栏目：50

分类号：TP393(计算技术、计算机技术)

资助基金：山西省自然科学基金;山西省教育科学十四五规划项目;山西省重点研发国际科技合作项目;国家自然科学基金

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：382-389