CN109302408A - 一种网络安全态势评估方法 - Google Patents
一种网络安全态势评估方法 Download PDFInfo
- Publication number
- CN109302408A CN109302408A CN201811291094.7A CN201811291094A CN109302408A CN 109302408 A CN109302408 A CN 109302408A CN 201811291094 A CN201811291094 A CN 201811291094A CN 109302408 A CN109302408 A CN 109302408A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- situation
- value
- security
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000036544 posture Effects 0.000 claims abstract description 12
- 230000032683 aging Effects 0.000 claims description 11
- 238000005314 correlation function Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 238000002474 experimental method Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
- H04L63/205—Network architectures or network communication protocols for network security for managing network security; network security policies in general involving negotiation or determination of the one or more network security mechanisms to be used, e.g. by negotiation between the client and the server or between peers or by selection according to the capabilities of the entities involved
Abstract
一种网络安全态势评估方法，利用网络中的各项指标作为依据，利用节点收集的指标信息与链路收集的指标信息，根据节点中受到的攻击威胁度、攻击威胁发生率与节点损失价值以及链路上的延迟、拥塞度、丢包率，分别计算网络中的节点态势和链路态势，然后将两者融合得到最终全网的安全态势。本发明可根据网络的即时信息有效衡量网络所处的状态，方法简单有效。
Description
技术领域
本发明属于网络安全异常检测领域，涉及一种网络安全态势评估方法。
背景技术
网络安全态势评估技术的研究起步较早，在1999年TimBass首次提出了网络态势感知(Cyberspace Situation Awareness,CSA)的概念，通过研究入侵检测技术的发展现状，提出基于多元异构传感数据融合的态势感知功能模型。随着互联网安全事件的日益增多，网络安全态势感知成为了信息安全领域一个主要地研究方向。国外学者在网络安全态势感知方面已知开展长时间的研究，并取得了许多成果。美国劳伦斯伯克利国家实验室Stephen Lau“The Spinning Cube of Potential Doom”系统，极大地提高了网络态势感知能力。卡内基梅隆大学SEI(Software Engineering Institute)的NetSA小组开发的SILK采用集成化思想，集成了现有的Netflow工具，提供整个网络的态势感知。Srihari R提出了一种基于概念的要素提取方法，用于提取态势感知的信息，取得了较好的信息提取效果。陈秀真等人提出了一种层次化网络安全威胁态势量化评估方法，提出从服务、主机、局域网系统3个层次进行安全威胁态势评估。韦勇等人提出了基于D-S理论的信息融合的网络安全态势评估模型，引入改进的D-S证据理论讲多数据源信息进行融合，利用漏洞信息和服务信息，计算网络安全态势。陈虹等人在基于韦勇等人提出了方法中加入了链路威胁对整个网络的安全态势的影响，从主机和链路两个方面进行融合从而分析网络的安全态势。上面都是一些较为粗粒度的评估网络安全态势的方法，刘世文等人提出一种细粒度的网络威胁态势评估方法，从节点、链路、路径、目标和全网威胁态势进行评估，实现了对网络威胁的深入分析和细粒度评估。
以上方法为网络安全态势评估的研究工作做了良好的基础，但也存在一些普遍性的不足。例如，缺乏对网络安全因素的全面考虑，评估所用的数据源单一。SILK与“TheSpinning Cube of Potential Doom”系统存在影响因素比较单一，不能准确的评估网络安全态势。Srihari R的方法、陈秀真等人提出的方法和韦勇等人提出的方法未加入链路威胁使得整体评估不够完整，陈虹等人提出的方法与刘世文等人提出的方法虽然加入了链路威胁的评估方法，但是其链路威胁评估方法过于复杂效果并不太好。因此针对这些，有必要提出了一种新型的网络安全态势评估方法。
发明内容
本发明的目的在于提供一种更全面的量化的网络安全态势评估方法。
为实现上述目的，本发明采用的技术方案如下：
一种网络安全态势评估方法，包括如下步骤：
步骤1：通过主机日志、网络IDS告警、主机探针数据以及网络探针数据，收集网络态势要素信息；
步骤2：威胁评估指标量化；
根据收集到的网络态势要素信息分别计算威胁影响度I(t)、威胁发生率H(t)和节点损失价值V(t|t0)三个量化指标；
步骤3：计算节点安全态势，得到网络节点态势值NC(t)；
步骤4：计算链路安全态势，得到网络链路态势值；
步骤5：将计算得到的网络节点态势值与网络链路态势值融合，得到全网安全态势量化值：
NTSA＝α·N(t)+β·NE(t0)
其中，α为网络节点态势值的权值，反应最后网络节点态势值在全网安全态势占的比重，β为网络链路态势值的权值，反应最后网络链路态势值在全网安全态势占的比重。
本发明进一步的改进在于，步骤2中，t时刻的威胁影响度I(t)定义如下：
t时刻的威胁影响度I(t)表示根据从IDS、事件日志以及其他检测设备中的信息反映攻击事件造成破坏的有效性和严重程度，参考Snort用户手册中攻击的分类方法及其等级设定分数，然后根据IDS、事件日志以及其他检测设备中的信息，判定攻击的影响程度，分为很高、高、中、低和无5个等级，设定量化值为0.4、0.3、0.2、0.1、0。
本发明进一步的改进在于，步骤2中，t时刻的威胁发生率W(t)定义如下：
其中，R表示相关度函数，w表示各网络环境属性信息的相关度函数缩招的权重，i表示网络环境属性信息的数量，在计算过程中用来表示各属性信息。
本发明进一步的改进在于，相关度函数公式定义如下：
如果警报信息与网络环境属性信息无关，则R＝0；如果无法确定警报与网络环境属性信息是否匹配，则R＝0.5；如果警报信息与网络环境属性信息相关，则R＝1。
本发明进一步的改进在于，步骤2中，节点损失价值V(t|t0)的计算公式：
其中，μ1，μ2，μ3分别表示节点损失价值的机密性指标权重、完整性指标权重、可用性指标权重；P1，P2，P3分别表示节点本身的机密性等级数值、完整性等级数值、可用性等级数值；节点损失价值V(t|t0)表示的是在某一时刻t相对于t0时刻的节点的损失价值。
本发明进一步的改进在于，步骤3中，网络节点态势取决于威胁影响度、威胁发生成功率和节点损失价值3个网络节点态势评估指标，将这三个指标相结合得到网络节点态势值N(t):
N(t)＝I(t)·W(t)·V(t)
然后评判节点的重要性，在网络中担任服务器的节点重要性设置为0.8，在网络中起连接作用的节点重要性设置为0.7，在网络中作为单独节点重要性设置为0.6，从而得到网络中各节点的权值Wi(t)，利用权值与网络节点的态势值计算整个网络节点态势值NC(t):
其中m为节点的个数，n为被攻击的节点个数。
本发明进一步的改进在于，步骤4中，对于网络链路的安全态势，首先需要利用Dijkstra算法计算每两个节点的最短距离，其中边上的权值用到的是在指标约简之后的指标，包括时延、可用带宽、时延抖动和丢包率，然后根据每个各节点之间的最短路径记为lij，全部节点间最短路径距离总和记为L，则lij出现的概率为p(ij)＝lij/L，获得节点间的联系熵为Eij＝-p(ij)logp(ij)；
定义网络在某一动态演化时刻t的时效熵为：
其中m为节点的个数，因为总共存在m(m+1)/2条路径，所以除以此数进行归一化；
在计算某一时刻的网络链路态势时，根据此时刻的网络时效熵与稳态时的网络时效熵对比，得到此时刻的网络链路态势值NE(t)；
NE(t)＝E(t)-E(t0)。
本发明和现有技术相比较，具有如下有益效果：本方法将网络安全态势分为网络节点态势和网络链路态势，然后利用网络中的节点指标与链路指标，以及主机的IDS，主机日志等信息分别计算节点态势和链路态势。对网络安全态势进行细粒度的量化评估，按照从局部到整体的思想，对网络安全态势进行评估。本发明直观的量化网络所处状态，简单有效。相比于已有经典的网络安全态势评估方法，本发明对网络链路更加敏感，态势评估不单独针对节点，本方法能良好的评估链路态势，更加全面对网络进行态势评估，方法简单有效。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明做详细描述。
本发明利用网络中的各项指标作为依据，利用节点收集的指标信息与链路收集的指标信息，根据节点中受到的攻击威胁度、攻击威胁发生率与节点损失价值以及链路上的延迟、拥塞度、丢包率，分别计算网络中的节点态势和链路态势，然后将两者融合得到最终全网的安全态势，本发明可根据网络的即时信息有效衡量网络所处的状态，方法简单有效。
参见图1，本发明具体包括以下步骤：
1)首先，对网络中各主机节点，各网络链路进行监测，通过主机日志，网络IDS告警，主机探针数据，网络探针数据，收集网络中的数据；
2)威胁评估指标量化。根据收集到的网络态势要素信息分别计算威胁影响度I(t)、威胁发生率H(t)和节点损失价值V(t|t0)三个量化指标；
其中t时刻的威胁影响度定义如下：
I(t)表示根据从IDS、事件日志以及其他检测设备中的信息反映攻击事件造成破坏的有效性和严重程度，参考Snort用户手册中攻击的分类方法及其等级设定分数，然后根据IDS、事件日志以及其他检测设备中的信息，判定攻击的影响程度，分为很高、高、中、低和无5个等级，设定量化值为0.4、0.3、0.2、0.1、0。
然后t时刻的威胁发生率W(t)定义如下：
其中，R表示相关度函数，w表示各网络环境属性信息的相关度函数缩招的权重，i表示网络环境属性信息的数量，在计算过程中用来表示各属性信息。相关度函数是将网络威胁事件引发的报警信息与网络环境属性信息进行匹配，确定警报与该网络的相关性，报警信息与网络环境属性信息的匹配性越高，表示警报与该网络的相关性越大，则该威胁事件发生的可能性越大，即威胁发生率越大。相关度函数公式定义如下：
如果警报信息与网络环境属性信息无关，则R＝0；如果无法确定警报与网络环境属性信息是否匹配，则R＝0.5；如果警报信息与网络环境属性信息相关，则R＝1。
然后节点损失价值的定义下：
节点的价值不是用其经济价值衡量的，而是由机密性、完整性、可用性3个安全指标来确定和度量。本发明依据CVSS基本评价指标集对节点损失价值进行计算。该评价指标集包括机密性指标(Con)、完整性指标(Int)、可用性指标(Ava)，如表1所示。
表1评价指标
基本评价指标集中的3类基本指标影响越大，指标数值越大，说明节点价值受到威胁后的损失越严重。基于该评价指标集，给出节点损失价值的计算公式：
其中，μ1，μ2，μ3分别表示节点损失价值的机密性指标权重、完整性指标权重、可用性指标权重；P1，P2，P3分别表示节点本身的机密性等级数值、完整性等级数值、可用性等级数值。节点损失价值V(t|t0)表示的是在某一时刻t相对于t0时刻的节点的损失价值，结果保留两位小数。
步骤3：节点安全态势计算：网络节点态势取决于攻击影响度、攻击发生成功率和节点损失价值3个网络节点态势评估指标，将这三个指标相结合得到网络节点态势值N(t):
N(t)＝I(t)·W(t)·V(t)
然后评判节点的重要性，其由节点在网络中承担的作用所决定。在网络中担任服务器的节点重要性可设置为0.8，在网络中起连接作用的节点重要性可设置为0.7，在网络中作为单独节点重要性可设置为0.6，得到网络中各节点的权值Wi(t)，利用权值与网络节点的态势值计算整个网络节点的态势值NC(t):
其中m为节点的个数，n为被攻击的节点个数。
3)链路安全态势计算：对于网络链路的安全态势，首先需要利用Dijkstra算法计算每两个节点的最短距离，其中边上的权值用到的是在指标约简之后的指标，包括时延、可用带宽、时延抖动和丢包率等，这些指标可以单一的作为边上的权值，也可多个指标融合作为边上的权值。然后根据每个各节点之间的最短路径记为lij，全部节点间最短路径距离总和记为L，则lij出现的概率为p(ij)＝lij/L，可获得节点间的联系熵为Eij＝-p(ij)log p(ij)。因此，可定义网络时效熵如下：
定义网络在某一动态演化时刻t的时效熵为：
其中m为节点的个数，因为总共存在m(m+1)/2条路径，所以需要除以此数进行归一化。
在计算某一时刻的网络链路态势时，根据此时刻的网络时效熵与稳态时的网络时效熵对比，得到此时刻的网络链路态势值NE(t)。
NE(t)＝E(t)-E(t0)
4)将计算得到的网络节点态势与网络链路态势进行融合，得到全网安全态势量化值NTSA：
NTSA＝α·N(t)+β·NE(t0)
其中，α为网络节点态势值的权值反应最后网络节点态势值在全网安全态势占的比重，β为网络链路态势值的权值反应最后网络链路态势值在全网安全态势占的比重。α与β的值由网络节点态势与网络链路态势在网络态势中占据的比例确定，此比例与α和β数量级均由用户确定。例如如果要把网络节点态势比重占的相对较大，其比重可以设置为0.6，数量级则根据N(t)的大小设置，如果N(t)的大小为0.00015，其数量级可设置为104，则α可为6×104，β为4×104。
本发明的有效果是：
相比于已有经典的网络安全态势评估方法，本方法对网络链路更加敏感，态势评估不单独针对节点，本方法能良好的评估链路态势，更加全面对网络进行态势评估，方法简单有效。
本发明的算法在基于Exata的网络仿真环境，该网络拓扑结构包括2848个节点组成的网络拓扑结构，主要包有线网络和无线网络，结构包括有星型结构，网状结构等。
本发明中实验共进行了4次，分别是无攻击仿真实验N1，对单个节点攻击成功仿真实验A1，对单个节点攻击失败仿真实验A2，对多个节点攻击成功仿真实验A3。
通过计算，得到网络中节点的态势评估值，如表2所示。
表2节点态势量化值
该实验环境的网络中被攻击的节点共有2个，分别计算攻击影响度I(t)，攻击发生成功率，节点损失价值，得到节点态势评估指数N(t)。
然后，根据实验中得到的全网链路边上的延迟，利用最短路径的计算方法，计算每一实验的网络各节点之间的最短路径长度，然后利用网络时效熵的公式得到各实验的网络时效熵，最后通过网络时效熵计算各个实验的网络链路态势指数NE(t)，如表3所示。
表3各仿真实验对应网络链路态势值
最后通过将网络节点态势值和网络链路态势值融合得到最后的网络安全态势值，其中α、β值为104，然后计算得到网络的安全态势值如表4。
表4网络的安全态势值
根据实验结果，按照不同的实验场景，表现出的相应安全态势值呈现的趋势符合事情。本发明的方法在充分分析网络中时效的重要性的基础上，全面的评估网络节点态势，链路态势，得到的态势评估随着攻击手段的深入而不断的增大，在发生攻击的时候能够很好的察觉，体现出攻击程度加深的趋势。
Claims (7)
1.一种网络安全态势评估方法，其特征在于，包括如下步骤：
步骤1：通过主机日志、网络IDS告警、主机探针数据以及网络探针数据，收集网络态势要素信息；
步骤2：威胁评估指标量化；
根据收集到的网络态势要素信息分别计算威胁影响度I(t)、威胁发生率H(t)和节点损失价值V(t|t0)三个量化指标；
步骤3：计算节点安全态势，得到网络节点态势值NC(t)；
步骤4：计算链路安全态势，得到网络链路态势值；
步骤5：将计算得到的网络节点态势值与网络链路态势值融合，得到全网安全态势量化值：
NTSA＝α·N(t)+β·NE(t0)
其中，α为网络节点态势值的权值，反应最后网络节点态势值在全网安全态势占的比重，β为网络链路态势值的权值，反应最后网络链路态势值在全网安全态势占的比重。
2.根据权利要求1所述的一种网络安全态势评估方法，其特征在于，步骤2中，t时刻的威胁影响度I(t)定义如下：
t时刻的威胁影响度I(t)表示根据从IDS、事件日志以及其他检测设备中的信息反映攻击事件造成破坏的有效性和严重程度，参考Snort用户手册中攻击的分类方法及其等级设定分数，然后根据IDS、事件日志以及其他检测设备中的信息，判定攻击的影响程度，分为很高、高、中、低和无5个等级，设定量化值为0.4、0.3、0.2、0.1、0。
3.根据权利要求1所述的一种网络安全态势评估方法，其特征在于，步骤2中，t时刻的威胁发生率W(t)定义如下：
其中，R表示相关度函数，w表示各网络环境属性信息的相关度函数缩招的权重，i表示网络环境属性信息的数量，在计算过程中用来表示各属性信息。
4.根据权利要求2所述的一种网络安全态势评估方法，其特征在于，相关度函数公式定义如下：
如果警报信息与网络环境属性信息无关，则R＝0；如果无法确定警报与网络环境属性信息是否匹配，则R＝0.5；如果警报信息与网络环境属性信息相关，则R＝1。
5.根据权利要求1所述的一种网络安全态势评估方法，其特征在于，步骤2中，节点损失价值V(t|t0)的计算公式：
其中，μ1，μ2，μ3分别表示节点损失价值的机密性指标权重、完整性指标权重、可用性指标权重；P1，P2，P3分别表示节点本身的机密性等级数值、完整性等级数值、可用性等级数值；节点损失价值V(t|t0)表示的是在某一时刻t相对于t0时刻的节点的损失价值。
6.根据权利要求1所述的一种网络安全态势评估方法，其特征在于，步骤3中，网络节点态势取决于威胁影响度、威胁发生成功率和节点损失价值3个网络节点态势评估指标，将这三个指标相结合得到网络节点态势值N(t):
N(t)＝I(t)·W(t)·V(t)
然后评判节点的重要性，在网络中担任服务器的节点重要性设置为0.8，在网络中起连接作用的节点重要性设置为0.7，在网络中作为单独节点重要性设置为0.6，从而得到网络中各节点的权值Wi(t)，利用权值与网络节点的态势值计算整个网络节点态势值NC(t):
其中m为节点的个数，n为被攻击的节点个数。
7.根据权利要求1所述的一种网络安全态势评估方法，其特征在于，步骤4中，对于网络链路的安全态势，首先需要利用Dijkstra算法计算每两个节点的最短距离，其中边上的权值用到的是在指标约简之后的指标，包括时延、可用带宽、时延抖动和丢包率，然后根据每个各节点之间的最短路径记为lij，全部节点间最短路径距离总和记为L，则lij出现的概率为p(ij)＝lij/L，获得节点间的联系熵为Eij＝-p(ij)log p(ij)；
定义网络在某一动态演化时刻t的时效熵为：
其中m为节点的个数，因为总共存在m(m+1)/2条路径，所以除以此数进行归一化；
在计算某一时刻的网络链路态势时，根据此时刻的网络时效熵与稳态时的网络时效熵对比，得到此时刻的网络链路态势值NE(t)；
NE(t)＝E(t)-E(t0)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811291094.7A CN109302408B (zh) | 2018-10-31 | 2018-10-31 | 一种网络安全态势评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811291094.7A CN109302408B (zh) | 2018-10-31 | 2018-10-31 | 一种网络安全态势评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109302408A true CN109302408A (zh) | 2019-02-01 |
| CN109302408B CN109302408B (zh) | 2020-07-28 |
Family
ID=65145970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811291094.7A Active CN109302408B (zh) | 2018-10-31 | 2018-10-31 | 一种网络安全态势评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109302408B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110149333A (zh) * | 2019-05-23 | 2019-08-20 | 桂林电子科技大学 | 一种基于sae+bpnn的网络安全态势评估方法 |
| CN110365709A (zh) * | 2019-08-09 | 2019-10-22 | 深圳永安在线科技有限公司 | 一种基于上游探针感知未知网络攻击行为的装置 |
| CN110636066A (zh) * | 2019-09-24 | 2019-12-31 | 中国民航大学 | 基于无监督生成推理的网络安全威胁态势评估方法 |
| CN110910027A (zh) * | 2019-11-28 | 2020-03-24 | 江苏电力信息技术有限公司 | 基于安全因子的网络安全态势评估方法 |
| CN112351010A (zh) * | 2020-10-27 | 2021-02-09 | 滨州学院 | 一种基于局域网的网络安全态势感知系统及方法 |
| CN112491621A (zh) * | 2020-11-30 | 2021-03-12 | 郑州轻工业大学 | 网络安全评估方法及系统 |
| CN113098827A (zh) * | 2019-12-23 | 2021-07-09 | 中国移动通信集团辽宁有限公司 | 基于态势感知的网络安全预警方法及装置 |
| CN113556360A (zh) * | 2021-08-10 | 2021-10-26 | 杭州民润科技有限公司 | 基于多源攻击融合的工业互联网安全动态度量方法、装置及存储介质 |
| CN115174278A (zh) * | 2022-09-08 | 2022-10-11 | 中电太极(集团)有限公司 | 一种网络威胁等级评估方法及装置 |
| CN115277116A (zh) * | 2022-07-06 | 2022-11-01 | 中能电力科技开发有限公司 | 网络隔离的方法、装置、存储介质及电子设备 |
| CN115277249A (zh) * | 2022-09-22 | 2022-11-01 | 山东省计算中心（国家超级计算济南中心） | 一种多层异构网络协同的网络安全态势感知方法 |
| CN116260695A (zh) * | 2022-11-18 | 2023-06-13 | 中国人民解放军61516部队 | 一种计算机网络健康度综合评估方法及系统 |
| CN116633685A (zh) * | 2023-07-19 | 2023-08-22 | 国家计算机网络与信息安全管理中心江西分中心 | 基于IPv6发展态势监测的分析方法 |
| CN116668194A (zh) * | 2023-07-27 | 2023-08-29 | 北京弘明复兴信息技术有限公司 | 一种基于互联网集控平台的网络安全态势评估系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783752A (zh) * | 2010-02-10 | 2010-07-21 | 哈尔滨工业大学 | 一种基于网络拓扑特征的网络安全量化评估方法 |
| CN102148820A (zh) * | 2011-01-14 | 2011-08-10 | 中国科学技术大学 | 一种基于指对数分析的网络安全态势评估系统和方法 |
| CN106209856A (zh) * | 2016-07-14 | 2016-12-07 | 何钟柱 | 基于可信计算的大数据安全态势地图生成方法 |
| US20180089565A1 (en) * | 2012-05-10 | 2018-03-29 | Yan M. Yufik | Systems and methods for a computer understanding multi modal data streams |
-
2018
- 2018-10-31 CN CN201811291094.7A patent/CN109302408B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783752A (zh) * | 2010-02-10 | 2010-07-21 | 哈尔滨工业大学 | 一种基于网络拓扑特征的网络安全量化评估方法 |
| CN102148820A (zh) * | 2011-01-14 | 2011-08-10 | 中国科学技术大学 | 一种基于指对数分析的网络安全态势评估系统和方法 |
| US20180089565A1 (en) * | 2012-05-10 | 2018-03-29 | Yan M. Yufik | Systems and methods for a computer understanding multi modal data streams |
| CN106209856A (zh) * | 2016-07-14 | 2016-12-07 | 何钟柱 | 基于可信计算的大数据安全态势地图生成方法 |
Non-Patent Citations (3)
| Title |
|---|
| X. GUO AND R. HU: ""The effectiveness evaluation for security system based on risk entropy model and Bayesian network theory"", 《44TH ANNUAL 2010 IEEE INTERNATIONAL CARNAHAN CONFERENCE ON SECURITY TECHNOLOGY, SAN JOSE, CA, 2010》 * |
| 刘世文，司成，张红旗: ""一种细粒度的网络威胁态势评估方法"", 《计算机工程与应用》 * |
| 胡海亮: ""基于D_S证据理论的网络安全态势融合技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110149333B (zh) * | 2019-05-23 | 2021-06-29 | 桂林电子科技大学 | 一种基于sae+bpnn的网络安全态势评估方法 |
| CN110149333A (zh) * | 2019-05-23 | 2019-08-20 | 桂林电子科技大学 | 一种基于sae+bpnn的网络安全态势评估方法 |
| CN110365709A (zh) * | 2019-08-09 | 2019-10-22 | 深圳永安在线科技有限公司 | 一种基于上游探针感知未知网络攻击行为的装置 |
| CN110365709B (zh) * | 2019-08-09 | 2021-07-20 | 深圳永安在线科技有限公司 | 一种基于上游探针感知未知网络攻击行为的装置 |
| CN110636066A (zh) * | 2019-09-24 | 2019-12-31 | 中国民航大学 | 基于无监督生成推理的网络安全威胁态势评估方法 |
| CN110636066B (zh) * | 2019-09-24 | 2021-10-19 | 中国民航大学 | 基于无监督生成推理的网络安全威胁态势评估方法 |
| CN110910027B (zh) * | 2019-11-28 | 2023-07-11 | 江苏电力信息技术有限公司 | 基于安全因子的网络安全态势评估方法 |
| CN110910027A (zh) * | 2019-11-28 | 2020-03-24 | 江苏电力信息技术有限公司 | 基于安全因子的网络安全态势评估方法 |
| CN113098827A (zh) * | 2019-12-23 | 2021-07-09 | 中国移动通信集团辽宁有限公司 | 基于态势感知的网络安全预警方法及装置 |
| CN112351010A (zh) * | 2020-10-27 | 2021-02-09 | 滨州学院 | 一种基于局域网的网络安全态势感知系统及方法 |
| CN112491621A (zh) * | 2020-11-30 | 2021-03-12 | 郑州轻工业大学 | 网络安全评估方法及系统 |
| CN113556360A (zh) * | 2021-08-10 | 2021-10-26 | 杭州民润科技有限公司 | 基于多源攻击融合的工业互联网安全动态度量方法、装置及存储介质 |
| CN113556360B (zh) * | 2021-08-10 | 2023-04-07 | 杭州民润科技有限公司 | 基于多源攻击融合的工业互联网安全动态度量方法、装置及存储介质 |
| CN115277116A (zh) * | 2022-07-06 | 2022-11-01 | 中能电力科技开发有限公司 | 网络隔离的方法、装置、存储介质及电子设备 |
| CN115277116B (zh) * | 2022-07-06 | 2024-02-02 | 中能电力科技开发有限公司 | 网络隔离的方法、装置、存储介质及电子设备 |
| CN115174278A (zh) * | 2022-09-08 | 2022-10-11 | 中电太极(集团)有限公司 | 一种网络威胁等级评估方法及装置 |
| CN115277249A (zh) * | 2022-09-22 | 2022-11-01 | 山东省计算中心（国家超级计算济南中心） | 一种多层异构网络协同的网络安全态势感知方法 |
| CN116260695A (zh) * | 2022-11-18 | 2023-06-13 | 中国人民解放军61516部队 | 一种计算机网络健康度综合评估方法及系统 |
| CN116260695B (zh) * | 2022-11-18 | 2023-09-01 | 中国人民解放军61516部队 | 一种计算机网络健康度综合评估方法及系统 |
| CN116633685A (zh) * | 2023-07-19 | 2023-08-22 | 国家计算机网络与信息安全管理中心江西分中心 | 基于IPv6发展态势监测的分析方法 |
| CN116668194A (zh) * | 2023-07-27 | 2023-08-29 | 北京弘明复兴信息技术有限公司 | 一种基于互联网集控平台的网络安全态势评估系统 |
| CN116668194B (zh) * | 2023-07-27 | 2023-10-10 | 北京弘明复兴信息技术有限公司 | 一种基于互联网集控平台的网络安全态势评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109302408B (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109302408A (zh) | 一种网络安全态势评估方法 | |
| CN106341414B (zh) | 一种基于贝叶斯网络的多步攻击安全态势评估方法 | |
| CN105407103B (zh) | 一种基于多粒度异常检测的网络威胁评估方法 | |
| CN104486141B (zh) | 一种误报自适应的网络安全态势预测方法 | |
| CN104348652A (zh) | 基于关联分析的系统安全评估方法和装置 | |
| CN103581186A (zh) | 一种网络安全态势感知方法及系统 | |
| CN105868629B (zh) | 一种适用于电力信息物理系统的安全威胁态势评估方法 | |
| CN111049680B (zh) | 一种基于图表示学习的内网横向移动检测系统及方法 | |
| CN110474878B (zh) | 基于动态阈值的DDoS攻击态势预警方法和服务器 | |
| CN108600275B (zh) | 基于人工智能的威胁情景感知信息安全主动防御系统 | |
| CN107483487B (zh) | 一种基于topsis的多维网络安全度量方法 | |
| CN113408609A (zh) | 一种网络攻击检测方法及系统 | |
| CN106209861A (zh) | 一种基于广义杰卡德相似系数Web应用层DDoS攻击检测方法及装置 | |
| CN108090677A (zh) | 一种关键基础设施可靠性测评方法 | |
| CN110110529A (zh) | 一种基于复杂网络的软件网络关键节点挖掘方法 | |
| CN110191137A (zh) | 一种网络系统量化安全评估方法与装置 | |
| CN101499928A (zh) | 一种基于聚类分析的网络入侵场景图生成方法 | |
| CN110086829A (zh) | 一种基于机器学习技术进行物联网异常行为检测的方法 | |
| CN102104606B (zh) | 一种内网蠕虫主机检测方法 | |
| CN110022293A (zh) | 一种电网信息物理融合系统风险评估方法 | |
| CN103501302A (zh) | 一种蠕虫特征自动提取的方法及系统 | |
| CN101594352B (zh) | 基于新颖发现和窗函数的分类融合入侵检测方法 | |
| CN115643108B (zh) | 面向工业互联网边缘计算平台安全评估方法、系统及产品 | |
| CN102299897A (zh) | 基于特征关联的对等网络特征分析方法 | |
| CN104239785B (zh) | 基于云模型的入侵检测数据划分方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240221 Address after: Beilin District Xianning West Road 710049, Shaanxi city of Xi'an province No. 28 Patentee after: XI'AN JIAOTONG University Country or region after: China Patentee after: UNIT 63891 OF PLA Address before: Beilin District Xianning West Road 710049, Shaanxi city of Xi'an province No. 28 Patentee before: XI'AN JIAOTONG University Country or region before: China |