黑灰产网络资产图谱构建与可视化

黑灰产团伙的网络化运作严重破坏着网络生态和社会治安.查封黑灰产团伙掌握的核心资产,如重要IP地址和安全证书,是目前打击黑灰产的主要手段之一.为此,提出黑灰产网络资产图谱构建与可视化.首先提出一种黑灰产网络资产图谱构建方法.从多源异构数据中广泛获取黑灰产网络资产信息及关联关系,并整合到点边双异质有向图;然后提出一组黑灰产网络资产图可视化方法,基于资产图拓扑特性改进经典力导引布局算法和社区检测算法,帮助用户观察和理解资产间复杂关联,并快速地识别核心资产及其影响范围;最后公布一个大规模黑灰产网络资产图谱数据集,梳理数据集可支持的黑灰产治理需求,并展望图谱分析面临的技术挑战,旨在推动面向黑灰产治理的大数据分析技术的发展和创新.

网络经济下网络资产管理的有效策略分析

该文采用文献法、调查法这两种研究方法,对当前网络经济下网络管理展开了深入研究,对网络经济下网络资产管理的重要性进行了分析,探讨了当前网络经济下网络资产管理存在的管理队伍质量不高、信息系统落后、网络资产动态评估不科学、网络资产管理安全风险较高等问题,从网络经济的发展背景出发,提出了加强网络资产管理队伍建设、建立企业网络资产信息系统、加大网络资产动态评估、构建网络资产管理风险识别体系等网络资产管理策略。

基于SDCA流程的高校网络资产安全管理应用研究

网络安全已成为国家安全战略的高地。高等院校在智慧校园建设过程中积累了大量网络信息资产,缺少必要监管的资产存在重大安全隐患,可能引发网络安全事件。针对高校网络资产安全管理现状和普遍存在的问题,遵从风险管理理念,结合实践经验,将高校网络资产安全管理划分为SDCA四个阶段,提出在S阶段制定标准化网络资产管理规范、D阶段执行网络资产日常安全管理、C阶段建设基于信息化管理工具、A阶段加强模拟演练等建议。

攻击者视角下的网络资产暴露面检测与防护方法研究

高职高专院校的网络规模、网络资产、数据资源、应用业务日趋复杂,暴露出网络资产管理困难及暴露面未知等问题。亟须以攻击者视角,分析攻击者攻击过程,从校园网网络资产探测和识别、梳理和关联性分析、暴露面检查及防御等方面构建网络资产测绘与治理方法。研究探讨了网络资产识别与梳理的方法,暴露面检查的方法,并对暴露面资产提出了处置建议,实现对暴露面资产可管可控,降低暴露面资产的风险。

网络资产的探测关键技术分析

本文对国内外网络空间资产探测相应的研究成果进行分析,并且研究网络探测中的网络空间资产主动探测技术,希望能够为网络资产探测技术研究人员提供借鉴。在现代网络空间越来越复杂的背景下,终端设备也逐渐加入到网络空间中,比如网络摄像头、打印机、智能手机等。利用网络空间资产探测能够对潜在安全风险研究,避免坏人的攻击。

基于网页结构相似性的网络资产识别技术研究

当前,随着网络技术的不断发展,网络空间日趋复杂,网络资产种类和数量越来越多,网络空间安全形势严峻。通过网络资产探测可以帮助网络安全人员掌握网络资产状况,发现非法资产接入情况,及时了解隐藏在网络中的安全风险。基于此,分析了当前网络资产探测的现状,提出了一种基于结构特征的网络资产识别技术,从局部特征和全局特征两个方面对网络资产特征进行刻画,并使用最长公共子序列(Longest Common Sequence,LCS)算法计算网络资产结构特征的相似性。最后,通过分析说明了所提方法的优势,并在实际环境中进行了验证。

基于QPSO-LightGBM网络资产脆弱性评估模型

为有效减少网络安全事件造成的损失,并对高风险网络资产进行漏洞评估,提出了一种基于量子粒子群轻量级梯度升降算法(QPSO-LightGBM:Quantum Particle Swarm Optimization-Light Gradient Boosting Machine)的多分类预测模型。该模型通过对少量过采样技术(MOTE:Minority Oversampling)进行合成从而达到数据平衡,采用量子粒子群算法(QPSO:Quantum Particle Swarm Optimization)实现参数的自动最优化,并使用LightGBM进行建模,进而实现网络资产的多分类预测。为验证模型的有效性,将所提模型与其他算法模型进行了比对,实验结果表明,该模型在各类预测性能指标上都取得了较好的效果。

教育系统网络资产探测与预警研究

随着网络空间与现实世界的不断融合与相互作用,网络安全事件和安全威胁对现实世界的影响日趋深刻。特别是教育行业学校基数庞大、资产数量众多、资产类别各异,网络安全监测和防护难度愈发艰巨。针对此问题,结合教育系统网络安全监测现状,以网络资产探测和管理为基石,提出网络资产探测与预警平台的设计框架,分别从“资产采集-识别存储-分析预警”三个层次进行阐述,并通过实验充分验证了该框架的可行性与有效性。不仅为教育行业网络安全管理与建设提供一种新的思路和方案,而且对其他行业大规模网络资产探测与监测预警亦具有重要的参考意义和价值。

工业控制系统网络资产探测技术研究

工业控制系统的安全关系到国计民生,是国家安全的重要组成部分。随着物联网技术不断发展,工业控制系统网络已经深入到各行业,但由于设计的缺陷或安全手段的缺乏,工业控制系统相关资产极易受到黑客的攻击和利用。探测、知晓暴露在互联网环境下的工控资产是实现工业控制系统信息监测、发现安全漏洞和把握网络空间安全态势的重要步骤。本文介绍工业控制系统网络资产探测常用的探测方法,利用端口探测技术扫描目标主机上的端口,根据端口开放情况使用工控协议和通用协议的网络资产探测技术发现工控设备和收集资产信息。通过互联网实验,对探测结果数据进行全面分析,总结工业控制系统网络资产探测技术特点,并指出目前技术存在的问题,对未来的发展进行展望。

浅谈高校网络资产的安全管理思路

文章以湖南科技职业学院为例,以网络资产面临的主要威胁来源为切入点,分析了湖南科技职业学院网络资产安全问题的特点与现状,总结了网络资产安全管理的相关要求,提出采用“五步法”进行信息化网络资产安全管理。

计量实验室内部网络资产主被动协同探测技术的研究与分析

内部网络在网络空间中普遍存在,一些重要机构的内部网络常常与互联网物理隔离或逻辑隔离。这在传统的基于边界的安全模型中已经足够安全,但在新型的零信任安全模型的视角,网络依然存在外部或内的威胁。如何及时发现内部网络中存在的漏洞和隐患,如何准确识别网络中的攻击事件,如何有效判断网络中的异常行为,进而提升网络的主动防御能力,已成为当前网络安全亟待解决的重要问题之一。通过引入网络探测的概念,探讨了网络资产主动探测、被动探测的概念,针对内网安全管理,被动探测和主动探测各自有其优点和缺点。被动探测可以无需对目标主机进行干扰,不容易产生风险,但是其获取信息的效率和完整性不如主动探测。主动探测可以更加全面地了解内网内的资产和风险,但是会产生一定的干扰和风险。结合网络异常流量智能分类与检测方法,提升内部网络的主动防御能力,从攻击者和防护者的双重视角,及时了解网络内资产组成、发现网络存在的脆弱点、分析存在的异常行为,在应用传统的主机发现、端口探测、服务及版本探测、操作系统探测及网络拓扑探测的基础上,通过对网络资产存量和增量数据进行比对,结合网络异常流量检测与分析技术,提出被动探测限制主动探测范围,异常数据流检测补充主被动探测结果的主被动协同探测模型,对于降低网络资产探测时内部网络噪声有明显的作用,为内部网络安全和数据安全提供了更高的防御能力。内网资产被动探测的主要目的是实现网络流量镜像抓包及利用Wireshark抓包后生成包含五元组信息(源IP、目的IP、源端口、目的端口、时间戳)的资源探测子表。为了实现该功能,使用了较为轻量级的python编程语言,利用Scapy库、Pyshark库及Wireshark工具实现网络流量包的抓取及对五元组信息的提取,利用CSV库实现了对提取数据的编辑存储。主动探测实现的功能主要有对内网段进行扫描、通过对比对异常流量进行筛选并发现异常主机、内网端口扫描等。通过多线程技术、优化数据预处理和数据分析的策略,可以有效地提高被动和主动探测速度和效率。在实际应用中,应根据具体情况确定优化策略,并结合实际情况进行调整和改善。内网资产探测技术的应用范围非常广泛,对于保障内网安全和提升网络安全水平都非常重要,能够帮助企事业单位及时发现网络中的安全威胁和漏洞,从而采取相应的安全措施进行保护。

基于PSO-LightGBM的网络资产脆弱性评估模型

随着网络空间资产探测技术的不断发展,越来越多的资产脆弱面暴露在公众面前,在一定程度上增加了网络资产的安全风险。对网络资产进行脆弱性评估,可以及时发现脆弱性较强的高危资产,在安全事件未发生时主动对脆弱的网络资产进行保护和修复,从而有效降低网络安全事件发生的概率。现有研究主要集中在网络资产漏洞评估及网络系统脆弱性评估上,对网络资产脆弱性评估方法的研究还比较匮乏。为了更好地保护网络资产安全,提出了一种基于粒子群优化算法轻型梯度提升机(particle swarm optimization-light gradient boosting machine,PSO-LightGBM)的网络资产脆弱性评估模型。首先,依据行业标准和专家经验,提出针对网络资产脆弱性的评估指标体系,并根据从网络中爬取的网络资产数据,经预处理后构建了具有12个属性特征、11类标签值的网络资产脆弱性评估数据集;其次,将PSO算法与LightGBM模型相结合,利用机器学习方法实现网络资产脆弱性的自动化评估;最后,通过实验对比了几种机器学习模型在数据集上的表现,结果表明,基于PSO-LightGBM的网络资产脆弱性评估模型的评估准确率可以达到91.24%,充分验证了该模型的有效性。

电信运营商网络资产安全管理技术的应用研究与实践

电信运营商网络资产数量庞大,种类繁多,管理复杂。而作为信息基础设施的建设者和运营者,电信运营商社会责任重大,一旦网络资产安全漏洞及其被攻击事件被CNCERT和CNVD等第三方机构向社会公众通报,将使得企业面临重大的信誉危机。本文首先对业界主流的网络资产安全管理技术进行了梳理和剖析,然后进一步阐述网络资产安全管理技术在电信运营商内开展的应用实践,最后对几种重要的网络资产发现方式在技术特点、适用场景等方面进行了归纳总结。

浅析网络经济下企业网络资产管理

随着网络的发展,各种网络工具层出不穷,企业的商业活动越来越趋于网络化。企业投入网络的资金、人力成本的增多,也意味着企业网络资产比重的增大。如何管理企业网络资产,利用信息技术使企业网络资产保值增值,将成为了一个重要的话题,也一定程度决定了企业的整体竞争力。

基于流量感知的动态网络资产监测研究

随着网络技术的快速发展,安全问题也随着网络空间的资产数量增多和种类越发复杂变得越来越严峻,这对网络安全主管部门提出了新的挑战.精确对处于动态变化的网络资产进行识别,并全方位实时对其动态监测是实现网络资产有效管理的前提,同时也为威胁关联分析打下基础.基于实时流量采集处理、指纹特征建立、网络资产识别技术,提出网络资产动态监测思想.利用流量数据提取特征字段,采用多指纹角度的匹配方式实现对网络资产的有效识别,在此基础上通过服务器、信息系统、资产内部关联3个方面对网络资产进行动态监测,为网络资产管理和安全评估提供了有力支撑.

网络资产探测关键技术研究

网络资产探测是指探测具有网络连接的硬件和软件,可以为企业、学校等网络资产全生命周期管理打下坚实的基础。结合资产标识、漏洞管理能够有效追溯每个资产的状态并及时弥补漏洞,避免造成经济损失。从网络资产探测相关技术角度出发,将相关技术分类为扫描识别技术、性能优化技术、隐蔽扫描技术和机器学习技术,先阐述当前技术面临的挑战,然后分析并总结各类技术的原理及其优缺点,最后对未来研究方向进行展望。

运营商网络资产安全管控技术与方案探讨

随着业务不断上线、新技术不断推广、攻击方式不断展现,网络资产管控关注的维度和细节越来越多,文中分析了当前运营商网络资产管控需求及面临的问题,结合网络资产发现、指纹识别分析和安全风险管控,探讨了运营商网络资产发现到风险监测的全流程方案,该方案具有全面发现、安全策略批量快速部署等特点,可实现网络资产安全精确管控。

面向网络资产漏洞评估的设备指纹搜索引擎构建方法

网络资产漏洞评估技术对于梳理互联网资产、实现网络资产漏洞安全管理起到十分重要的作用.已有方法因无法有效获取设备指纹信息而产生评估结果准确度低、功能单一等问题.为此,本文提出一种面向网络资产漏洞评估的设备指纹搜索引擎构建方法,具有多接口、交互性强、减少网络冗余探测的优势.本文通过统计和评估真实网络中的服务器类型、HTTPS协议漏洞来验证方法的高效性.

基于加权余弦相似度的网络资产资源预匹配方案

地址信息是电信网络资产管理系统与资源管理系统的共有字段,可为资产资源匹配工作提供多维支持能力,提升匹配精度。基于地址文本的结构特征提出一种将资产信息、资源信息中的地址字段进行分词、向量化以及加权,然后使用特征向量间的余弦相似度作为度量,选取最优匹配对象的实施方案。实践表明,基于地址信息层级结构进行向量加权的计算模型,可以更加有效地挖掘地址信息价值,支撑资产资源匹配工作,体现智慧资产运营思路。

网络资产确认和计量研究

随着信息化时代的到来,网络资产成为经济领域中一个不可忽视的重要资源。为了更好地配置网络资产,必然要将网络资产纳入到会计核算体系中。而要对网络资产进行会计核算,首先要解决的就是网络资产的确认与计量。从当前的网络环境、技术环境的层面,对网络资产进行初步定义和分类,由此可以丰富网络资产的确认基础,并通过将网络资产分为同质型恒久网络资产和异质型递耗网络资产两类,完善了网络资产的计量模式。