[发明专利]一种基于正余双弦算法的网络态势感知方法及装置

说明书

本发明公开了一种基于正余双弦算法的网络态势感知方法及装置，该方法包括：采用正余双弦算法调整Elman神经网络的阈值和权值；对Elman神经网络进行优化，获取网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列；对网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列进行聚类归一化处理，获得网络流量的攻击趋向和态势流向。该方法实现获取网络流量的流动态势。

技术领域

本发明涉及网络技术领域，特别是涉及一种基于正余双弦算法的网络态势感知方法及装置。

背景技术

目前，网络态势感知(Cyberspace Situation Awareness，CSA)，即网络安全态势感知(Network Security Situation Awareness，NSSA)，此概念由Time Bass在1999年首次提出。此后Stephen G.Batsen和Kokar M.M在Time Bass的基础上也提出了相关模型，都旨在使成熟的态势感知技术和理念应用在网络信息安全技术当中，从而增强计算机网络的安全性。

网络态势感知的研究方向集中在态势感知模型的建立，态势评估的方法和框架的探讨以及态势预测精度的提高等。在网络安全态势感知模型方面，贾焰等对采集到的网络安全态势数据集中处理并进行关联分析，由构建好的指标体系进行态势的预测，其提出的模型适用于规模较大的网络。张丹等提出了基于自律计算的NSSA模型，该模型首先利用自律反馈特性提取影响网络安全的因素，态势评估模型的建立则采用层次分析法(AHP)，经过改进的神经网络方法将在态势的预测方面上使用。刘念等在前人的研究基础之上以及受生物免疫系统原理的启发，提出了基于免疫的态势感知方法，并将灰色马尔科夫模型应用于态势预测，由此建立的模型是网络安全主动防御较好的解决方案。张勇幢等采用多传感器对网络中的安全数据进行检测，由此得到网络的资产、威胁数据和脆弱性数据并对此进行博弈分析，提出了基于Markov博弈模型的NSSA方法。刘效武等提出的NSSA模型将来自不同传感器收集到的各类信息进行融合处理，运用粒子群优化算法寻找D-S的最优权重，此方法能很好的识别网络威胁行为，并能准确反映威胁行为的破坏程度。在网络安全态势评估方面，国家数字交换系统工程技术研究中心的章丽娟等分析了影响网络安全态势的因素，并基于此提出了模糊层次分析的态势评估模型。孟锦等提出带时间参数的层次化网络安全态势评估模型是在对时变D-S证据理论方法进行创新的基础上，融合多个传感器采集到的信息得来。李玲娟等提出的层次化态势评估模型主要采用灰色关联分析法关注某一特定时间的网络攻击行为，并由此关联到当前所研究的网络环境中，实现网络安全的态势评估。大多数的网络安全态势评估都会忽略影响网络安全的数据分布特点，李方伟等则通过改进传统的模糊层次法，提出的基于此方法的网络安全态势评估模型弥补这一缺陷，并避免在进行网络安全数据预处理时过分依赖专家而引起预处理结果过于主观等问题。在网络安全态势预测方面，所选用的预测方法需要对目标网络的历史评估数据具有很高的敏感性。尤马彦等凭借Elman神经网络不仅对历史数据敏感而且具有动态记忆功能的两个特性，将此方法作为态势预测的方法应用在其开发的网络安全系统上，并用实际例子证明了此方法的有效性。在实际应用中，往往由于缺少样本数据而使得网络安全态势预测结果精度下降，向西西等提出新的态势预测方法采用不需要任何样本来训练参数的卡尔曼算法，很好地解决了这一难题。陈雷等分析了传统灰色预测模型的不足，用自适应的灰色参数及等维灰色填充方法提出了改进的自适应灰色模型进行网络安全态势的预测。

但是现有技术中，大多数预测态势感知方法只给出了整个网络的预测态势值，传统的态势感知方法只是预测某一个值，没有对流量的经纬度和流向进行预测，无法给出整个网络在短时间段内网络流量的流动态势，即网络流量将会从哪里流向到哪里，让当前使用者无法提前部署做好网络资源部署和防御网络攻击的相关准备。

发明内容

本发明的目的是提供一种基于正余双弦算法的网络态势感知方法及装置，以实现获取网络流量的流动态势。

为解决上述技术问题，本发明提供一种基于正余双弦算法的网络态势感知方法，该方法包括：