[发明专利]一种基于监督学习的物联网环境态势感知方法

说明书

一种基于机器学习的物联网环境态势感知方法，包括机器学习和态势感知两部分，物联网分布式网络环境存在的安全问题更加复杂，传统的态势感知方法主要针对集中式的网络，已经不能有效应用在物联网环境中。通过合理提取分布式环境中存在的态势安全要素，使用机器学习的方法对提取出的态势要素进行建模，构造物联网环境网络安全态势评估模型，进而对该环境的安全情况做出分析和预测，从而辅助安全人员或用户对该环境下的安全威胁做出及时的响应和排查。

技术领域

本发明属于网络安全相关领域，涉及一种基于监督学习的物联网环境态势感知方法。

背景技术

随着5G的发展，万物互联的世界即将到来，这意味着将会有越来越多的终端设备，同时人们对用户体验更加注重，使得对实时性的要求与日俱增，因此催生了边缘计算的发展。在海量的终端设备和边缘计算应用越来越广泛的双重条件下，“终端--边缘服务器层--云层”的三层网络已经越来越常见，相比传统的“终端--云层”二层网络，边缘层的加入大大降低了带宽和资源的消耗，成本也越来越低，同时也满足了实时性，甚至可以实现离线处理，这给的生活带来了更多可能，如无人驾驶，然而网络环境更加复杂也意味着检测网络威胁变得更加困难。2016年消费者权益日晚会上，就专场对智能设备的安全漏洞进行了现场曝光。首先曝光的智能设备是无人机，黑客在直播中就劫持了用户正在进行操作的无人机，使其失去控制。除此之外，黑客演示了如何通过靠近家用WIFI网络入侵，从而对家庭中正在使用的智能设备进行控制。智能家电、智能微波炉可由黑客控制自动打开，智能插座也被远程打开，并且可以通过入侵控制智能摄像头，并获取其画面，甚至特斯拉也未能幸免。根据惠普安全研究院对10个最流行的智能设备做过安全测试之后，发现以下五大安全隐患在几乎所有智能设备上都有出现：80%的IOT设备存在隐私泄露或滥用风险；80%的IOT设备允许使用弱密码；70%的IOT设备与互联网或局域网的通讯没有加密；60%的IOT设备的web界面存在安全漏洞；60%的IOT设备下载软件更新时没有使用加密；以上仅仅是终端设备本身存在的问题，如此多的终端设备如果被黑客控制对边缘服务器甚至是云发动DDoS攻击，那么云可能瞬间瘫痪。传统的态势感知仅仅只是用来针对集中式的环境，比如某一个服务器，并没有考虑分布式环境下的问题，纵使是之前的DDoS攻击也都是使用PC作为肉鸡，PC本身的安全性还是优于物联网终端的安全性，因此新环境下的攻击相比之前变得更加简单了，所以研究针对新环境下的态势感知系统已经刻不容缓。机器学习方法是现在比较热门的方法，有监督学习、无监督学习甚至于神经网络方法，但是如何将其与态势感知相结合也是一个需要深思的问题。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种基于监督学习的物联网环境态势感知方法，首先合理提取物联网环境中存在的态势安全要素，接着使用机器学习的方法对提取出的态势要素进行建模，构造物联网环境网络安全态势评估模型，进而使用模型对该环境的安全情况做出分析和预测，辅助安全人员或用户对该环境下的安全威胁做出及时的响应和排查。

为了实现上述目的，本发明采用的技术方案是：

一种基于机器学习的物联网环境态势感知方法，其特征在于，合理提取物联网环境中存在的态势安全要素，使用机器学习的方法对提取出的态势要素进行建模，构造物联网环境网络安全态势评估模型，进而对该环境的安全情况做出分析和预测，包括以下步骤：

步骤1，合理提取物联网环境中的态势安全要素。

1）所述的物联网环境包含“终端设备--边缘服务器层--云中心”三层环境，为了保证整体环境的安全性，需要从这三个部分分别提取能够影响安全性的态势要素；