贝叶斯网络在网络攻击追踪中的应用

论文摘要

在网络不仅仅是少数人的娱乐消遣而成为更多人生活工作所必需的工具的今天,伴随着互联网普及的还有各种形式的网络攻击和网络犯罪,对人们的生活和工作造成了极其严重的影响。网络的普及也让更多的人接触到网络方面的相关知识,这也使得网络攻防的手段和方法变得更加多样化和更加专业化。世界上各过的学者和网络相关的工作人员都在致力于防范和追踪恶意的和一些非恶意的程序错误导致的网络攻击并且取得了长足的进步。但这些方法都是基于网络本身的,本文运用贝叶斯网络的数学模型结合传统的网络追踪模式对局域网网络攻击进行追踪和定位,有效预防由于移动存储设备等带来的局域网内部攻击报文扩散。本文研究的主要贡献：分析了传统网络攻击追踪方法,并提出了运用贝叶斯网络结构模型的数理统计方法来解决因证据缺失而导致的传统攻击追踪方法容易中断的思想；本文通过对以往网络攻击的记录进行信息融合分析出潜在规律,对各可能攻击路径进行威胁度的估计,并且该方法在运行的时候不需要消耗网络资源；贝叶斯网络模型的应用,建立起了一个全局监督体系,更有助于日常对整个网络抵御攻击的能力进行评估和维护。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的意义及研究现状
• 1.1.1 网络安全现状
• 1.1.2 贝叶斯网络的产生发展和现状
• 1.1.3 网络攻击追踪的现状
• 1.2 本文的研究内容
• 1.3 论文组织
• 第二章 传统的追踪方法简介
• 2.1 网络追踪的简介
• 2.2 伪造IP攻击追踪方法
• 2.2.1 反应式追踪
• 2.2.2 主动式追踪
• 2.3 间接追踪方法
• 2.3.1 基于主机的攻击源追踪
• 2.3.2 基于网络的攻击源追踪
• 第三章 贝叶斯网络理论
• 3.1 贝叶斯网的基本概念和定义
• 3.1.1 存在条件独立的联合分布与不确定性的关系
• 3.1.2 贝叶斯网络概念
• 3.2 贝叶斯网的建立
• 3.3 贝叶斯网的参数学习
• 3.3.1 单参数最大似然估计
• 3.3.1.1 最大似然估计的概念
• 3.3.1.2 最大似然估计的计算
• 3.3.2 单参数贝叶斯估计
• 3.3.2.1 单参数贝叶斯估计的概念
• 3.3.2.2 单参数贝叶斯估计的计算
• 3.3.3 一般网络贝叶斯估计
• 第四章 追踪方法建模及实现
• 4.1 追踪模型网络结构
• 4.2 威胁度因子
• 4.2.1 威胁度因子概念
• 4.2.2 威胁度因子的计算方法
• 4.3 与传统方法相结合的追踪过程和全局检测
• 4.4 实验程序各模块关键代码
• 第五章 总结以及展望
• 参考文献
• 在学研究成果
• 致谢