基于STING与支持向量回归机的网络安全预警技术研究

论文摘要

网络安全预警技术可以存攻击发生之前,对攻击发生的数量及时空特性进行预测,从而能够为系统的安全防范争取时间,对入侵和攻击及时做出有效响应。因此,网络安全预警技术成为信息安全领域的重要研究内容。目前的预警技术要依赖于具体的攻击类型,并且预测的是短期攻击趋势,所采用的预测算法也不具有自适应能力。针对以上问题,本文主要作了以下几个方面的工作:(1)提出了一种不依赖于具体攻击类型的通用的网络安全预警模型,它采用对报警事件统一处理、以聚类分析获取攻击频度序列、以支持向量在线回归算法进行预测的分析流程,对网络安全监摔系统报警数据进行分析,以达到理想的预警效果。(2)对所提出模型中的获取攻击频度序列部分,引入了基于信息统计网格(STING)的聚类分析算法。通过把入侵事件的属性(时间,攻击类型,源地址,目标地址,请求服务类型)映射为n维空间S的维,并分别定义一个有界定义域,作为STING算法的输入,较高效地获取了攻击频度序列。(3)对所提出的模型中的支持向量在线回归算法部分,改进了一种用于在线训练的支持向量机回归算法。该算法采用训练样本序列输入方式替代批量输入方式,能实现模型预警的高效性和时效性。(4)基于所提出的模型,设计网络安全监控系统预警子系统,并实现了预警功能。实验结果显示,预警子系统达到了理想的预警效果。综上所述,本文所提出的预警模型为网络安全预警技术研究提供了理论上的有益补充,同时,所设计并实现的预警子系统原型已经初步在网络安全监控系统中布置调试。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 课题内容及主要工作
• 1.4 论文的组织结构
• 第二章 相关技术及研究
• 2.1 预警技术综述
• 2.2 常见预警模型
• 2.2.1 基于入侵事件的预警模型
• 2.2.2 基于攻击过程的预警模型
• 2.2.3 基于流量监控的预警模型
• 2.2.4 常见预警模型优缺点比较
• 2.3 常见预警方法
• 2.3.1 基于数据挖掘预警方法
• 2.3.2 基于回归预警方法
• 2.3.3 人工智能预警方法
• 2.3.4 内容时间序列预警方法
• 2.3.5 其它预警方法
• 2.4 本章小结
• 第三章 基于STING与支持向量回归机的网络安全预警模型
• 3.1 模型概述
• 3.2 报警数据的归一化
• 3.2.1 相关报警事件格式
• 3.2.2 报警事件预处理格式规范
• 3.3 基于STING的报警事件聚类分析
• 3.3.1 数据挖掘与聚类分析
• 3.3.2 利用STING聚类算法获取攻击频度序列
• 3.4 基于支持向量机回归的预测算法
• 3.5 本章小结
• 第四章 基于支持向量回归机的预警算法研究
• 4.1 引言
• 4.2 统计学习理论
• 4.2.1 经验风险最小化准则
• 4.2.2 VC维和推广性的界
• 4.2.3 结构风险最小化
• 4.3 支持向量回归机理论
• 4.3.1 基本原理
• 4.3.2 KKT条件
• 4.3.3 核函数
• 4.4 支持向量回归机在线训练算法改进
• 4.4.1 支持向量回归
• 4.4.2 在线训练算法
• 4.4.3 算法改进
• 4.4.4 改进后性能比较
• 4.5 本章小结
• 第五章 预警子系统设计及功能实现
• 5.1 预警子系统总体框架
• 5.1.1 预警实现原理
• 5.1.2 功能组件介绍
• 5.2 预警服务器设计及实现
• 5.3 预警代理设计及实现
• 5.3.1 组成结构
• 5.3.2 各模块功能
• 5.4 实验与分析
• 5.4.1 开发环境和运行环境
• 5.4.2 预警功能实现
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢