计算机科学 ›› 2016, Vol. 43 ›› Issue (Z11): 338-341.doi: 10.11896/j.issn.1002-137X.2016.11A.078

• 信息安全 • 上一篇    下一篇

一种基于马尔科夫模型的网络安全风险实时分析方法

王笑,李千目,戚湧   

  1. 南京理工大学计算机科学与工程学院 南京210094,南京理工大学计算机科学与工程学院 南京210094,南京理工大学计算机科学与工程学院 南京210094
  • 出版日期:2018-12-01 发布日期:2018-12-01
  • 基金资助:
    本文受中央高校基本科研业务费专项资金(30916015104),中兴通讯产学研合作论坛合作项目:基于马尔可夫时变模型的流量数据挖掘技术研究(2016ZTE04-11)资助

Real Time Analysis Method of Network Security Risk Based on Markov Model

WANG Xiao, LI Qian-mu and QI Yong   

  • Online:2018-12-01 Published:2018-12-01

摘要: 针对网络风险实时分析的迫切需求,研究并设计了适用于实时风险概率预测的马尔科夫时变模型,提出了一种网络安全实时风险概率预测方法。该方法鲁棒性较强,能够反应波动数据变化规律,起到了进行实时风险分析的作用。用DRAPA2000数据集进行了仿真,结果表明该方法具有较高的实时性和准确性。

关键词: 安全风险预测,马尔科夫,时变模型,DRAPA2000

Abstract: In view of the urgent need of real-time analysis of network risk,this paper studied and designed a Markov time variant model which is suitable for real-time risk probability prediction.The method has strong robustness and can react with the variation of the wave data,which has the effect of real time risk analysis.DRAPA2000 data sets were used to carry out simulation experiments to predict the probability of the network.The results show that the model mentioned in this paper has high real-time performance and accuracy.

Key words: Security risk prediction,Markov,Time varying model,DRAPA2000

[1] 郭祖华,李扬波,徐立新,等.面向云计算的网络安全风险预测模型的研究[J].计算机应用研究,2015(11):3421-3425
[2] 王晋东,沈柳青,王坤,等.网络安全态势预测及其在智能防护中的应用[J].计算机应用,2010,30(6):1480-1482
[3] 陆科达,万励,吴洁明.基于数据挖掘技术的网络安全事件预测研究[J].科技通报,2012,28(6):37-39
[4] 李胜现,田东平,刘建华.基于改进隐马尔可夫模型的网络动态风险评估[J].现代电子技术,2011,34(3):76-77
[5] 黄同庆,庄毅.一种实时网络安全态势预测方法[J].小型微型计算机系统,2014,35(2):303-306
[6] 陈孟婕.电力信息系统动静态风险评估技术研究[D].上海:华东理工大学,2015
[7] 刘刚,李千目,刘凤玉,等.面向网络实时风险预测的马尔可夫时变模型[J].兵工学报,2012,33(2):260-261
[8] 刘刚.网络安全风险评估、控制和预测技术研究[D].南京:南京理工大学,2014
[9] MIT Lincoln Lab.2000 Darpa Intrusion Detection Scenario Specific Data Sets.http://www.ll.mit.edu/ideval/data/2000data.html
[10] 董静.改进的HMM网络安全风险评估方法研究[D].武汉:华中科技大学,2008
[11] 雷杰.网络安全威胁与态势评估方法研究[D].武汉:华中科技大学,2008

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!