基于环境属性的网络威胁态势量化评估方法

传统的网络威胁态势评估方法主要是基于原始的警报信息,未结合目标网络的环境信息,使得方法的准确性受到很大的影响.提出了一种基于环境属性的网络威胁态势量化评估方法,该方法首先根据目标网络的环境属性对警报进行验证,判定引发警报的安全事件发生的可能性;然后,基于安全事件的风险级别及所针对的资产价值,分析安全事件发生后造成的损失;最后,基于安全事件发生的可能性及造成的损失量化评估网络的威胁态势.实例分析结果表明,该方法可以准确地量化评估网络的威胁态势.

一种基于群体分析的态势评估与威胁估计模型

了解指挥人员的决策过程是利用STA技术进行决策支持的前提。当前的STA研究虽然大多都注意到了STA功能在认知上的层次性,却忽略了STA过程上的层次渐进性。针对该问题,着眼于军事决策过程的层次性,提出了群体分析的概念及相应的功能模型,并进一步提出了基于群体分析的STA方法。该方法把对整个战场态势的理解分解为对各指挥层次的多个群体的理解,将STA过程分解为一个逐部分、逐层次进行的过程。该过程符合指挥人员的认知过程,能满足不同层次指挥人员不同粒度的认知需求,从而能更有效地支持STA系统的设计。

基于无监督多源数据特征解析的网络威胁态势评估

针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量的训练数据集输入V-G的网络集合层进行模型训练,并计算各层网络输出的重构误差。然后,通过输出层的三层变分自动编码器重构误差学习并获取训练异常阈值,使用包含异常网络流量的测试数据集测试分组威胁并统计每组测试的威胁发生概率。最后,根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值以获取网络威胁态势。仿真实验结果表明,所提方法对网络威胁具有较强的表征能力,能够有效直观地评估网络威胁的整体态势。

基于扩散分析的网络安全威胁态势评估

针对多数态势评估方法欠缺对授权与依赖关系的考虑、无法反映间接威胁、评估结果对动态防御的指导作用不大的问题,提出了一种以威胁扩散分析为基础、以攻击意图揣测为延伸的评估方法。首先评估了攻击施加的直接威胁,及其沿着依赖关系扩散引发的间接威胁。然后探讨了多攻击并发时的非线性叠加效应。最后使用覆盖法和聚类法揣测攻击意图。实验表明,该方法能更透彻、更精准地揭示安全状况,较好地指导动态防御。

基于无监督生成推理的网络安全威胁态势评估方法

针对基于数据类别标记的监督式网络数据建模方式在评估网络威胁态势时存在计算成本高,效率低和耗时长的问题,该文提出一种基于无监督生成推理的网络安全威胁态势评估方法。首先,设计一种变分自动编码器-生成式对抗网络(VAE-GAN)模型,将只包含正常网络流量的训练数据集输入到由VAE-GAN组成的网络集合层进行训练,统计每层网络输出的重构误差,并使用输出层的3层变分自动编码器训练重构误差;然后使用包含异常网络流量的测试数据集进行分组威胁测试,统计每组测试的威胁发生概率;最后根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值对网络安全威胁态势进行评估。仿真实验结果表明,与反向传播(BP)和径向基函数(RBF)方法相比,该方法能够更直观地评估网络威胁的整体态势,对网络威胁具有更好的表征效果。

基于电磁空间信息的空战辅助决策

针对航空兵作战支持领域辅助决策方向的态势威胁评估问题,引入了可适应证据信息动态变化的离散贝叶斯网络分类器,利用电磁空间信息实现了空战态势威胁评估贝叶斯网络的分级分离处理,并给出相应的推理模型。利用上述模型可以有效综合各个时刻获取到的电磁空间多源信息,完成辅助决策推理。通过仿真实例说明分级分离处理的离散贝叶斯网络分类器能够更为有效的实现航空兵作战的态势威胁评估等辅助决策任务。