导航：安全管理网>> 安全论文>> 综合安全论文>>正文

基于免疫危险理论的网络安全态势定量感知模型

文档作者：孙飞显1 靳晓婷2 文档来源： 1．中原工学院计算机学院 2．河南财经政法大学公共管理学院，		点击数：	更新时间： 2022年04月27日
下载地址：点击这里	文件大小： 336.67 KB 共4页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共4页]

本文件共4页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：336.67 KB 共4页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：基于可拓理论的网络安全评估研究

上一篇：基于生命周期理论的安全漏洞时间风险研究

文本预览

仅提取页面文字内容，供快速阅读使用。

第28卷第7期
2011年7月
计算机应用研究
Application Research of Computers
V01．28 No．7
Jul．20ll
基于免疫危险理论的网络安全
态势定量感知模型宰
孙飞显1，靳晓婷2
(1．中原工学院计算机学院，郑州450007；2．河南财经政法大学公共管理学院，郑州450002)
摘要：针对基于免疫的异常入侵检测技术自体／非自体区分困难、漏报误报率高而导致网络安全态势感知结
果不准确的问题，受免疫危险理论启发，提出了一个新的网络安全态势感知模型。模型采用分布式结构设计，部
署在主机上的传感器利用人工抗体实时检测网络攻击，并依据攻击类另1和频度计算危险信号大小；模型中的安
全态势评估中心通过分析、融合来自主机的多数据源危险信号，进而定量感知主机和整个网络的安全态势。理
论分析和仿真结果表明该模型是有效的，并解决了网络安全类的人工免疫系统难以区分自Ⅳ非自体之不足，为
实时、定量感知网络安全态势提供了一个新思路。
关键词：免疫；危险理论；网络安全；态势感知。
中图分类号：TP393；TPl8 文献标志码：A 文章编号：1001-3695(2011)07—2680．03
doi：10．3969／j．issn．100l-3695．2011．07．079
Immune danger theory based quantitative model for
network security situation awareness
SUN Fei．xianl，JIN Ydao．tin92
(1．&amp;amp;hod旷ComputerSeieaee，Zhongyuan UniversityofTechnology，Zhtngz出ou450007，Ch／na；2．College矿舭Administration，Heaaa
￡‰毋ofgeonomies＆伽，ZhengzIIou 450002，ch／na)
Abstract：The danger theory is changing the traditional thinking ways of self／non—self discrimination．Aiming at the ddlciencies
of the immunity based security situation awareness method．this paper proposed锄immune danger theory based quantitative
model for network security situation awareness(DTQMSA)．The mode architecture wag distributed．The host—based located
8enso惜were in charge of the detection of network attacks and the computation of danger signal．The network security situation
was obtained through fusing and analyzing the multi danger sig蒯coming from each computer host．Theoretical analysis and
simulation results show that the proposed model is valid．Thus．it provides a good solution to network security situation awareness
quantitatively and in real time．
Key words：immunity；danger theory；network security；situation awaronel蛆
0引言
计算机的安全问题与生物免疫系统(biological immune
system，BIS)所遇到的问题具有惊人的相似性，两者都要在不
断变化的环境中维持系统的稳定性⋯。BIS的免疫识别、免疫
记忆、快速免疫应答、多样化、鲁棒等优良特性已经吸引了不少
研究者的关注，基于BIS机理的人工免疫系统(artificial iramllne
system。AIS)成为当今信息安全领域的研究热点之一，并
已取得了不少成果¨“j。然而，网络安全领域基于自体／非自
体(selfnonself。SNS)识别机理的AIS难以区分自体和非自体，
如随着网络安全策略的改变，原本的非自体可能变成自体。此
外，传统的AIS不能解释自然免疫系统的某些现象(如肠道乳
酸菌可以存活在人的胃肠道内．而人体的免疫系统对于这种非
自体的病菌不会产生免疫反应，但是这种病菌在MS中被当做
非自体)。文献[7]依据MS机理提出了一个名为ACrma的
网络安全态势感知模型，该模型通过抗体浓度来表述网络的安
全态势，较好地效仿了生物自然免疫系统的优良机理。然而，
ACmsa模型没有刻画自体的动态演化方法。不能描绘网络安
全策略的变化对SNS的影响；同时，ACnssa依然属于传统AIS
范畴，存在自体和非自体识别困难的不足。
为克服传统人工免疫系统中基于SNS的网络安全态势感
知模型ACnssa的不足，受免疫危险理论启发，本文提出了一个
新的网络安全态势感知模型(DTQMSA)。
1免疫危险理论概述
免疫危险理论(d捌nger theory，Dr)‘。1最早由Manin辨r提
出。它改变了传统人工免疫系统AIS基于SNS的免疫识别方
法。其主要思想如下：
a)自适应免疫系统要区分的不是自体／非自体，而是危险
信号(d觚咿si夸lal)。
收蕊日期：2010-12-14；修回日期：2011．01．挖基金硬目：国家自然科学鲞金资助项目(60sTsz46)：河南省井技攻关计划夤助项目
(0921023t003s)；河南省教育厅自煞科学研究计划量助项目‘2010A5加047．2010A520048．Z009晒20023)
作者膏介：羿飞王(1970-)．男，河南宝丰人．捌教授。硕导。博士。主要研究方向为同络安全：人工免疫等(torYiSm@tmmL con)；靳晓婷
(1980·)，女。河南禹州人。讲蜂，硕士，主要研完方向为电子政务及其安全、公共事业管理等．
J
万方数据
第7期孙飞显，等：基于免疫危险理论的网络安全态势定量感知模型·2681·
b)当免疫细胞受损或非正常死亡时，会产生危险信号时，
进而触发免疫反应。
c)自适应免疫中的细胞不攻击它们的宿主。
可以看出，免疫危险理论DT的免疫反应是个体认为受到
危险时的刺激反应．并不是对非自体的反应；同时。在免疫危险
理论中。外来病菌(如肠道乳酸菌)与免疫细胞可以共存，这与
传统AIS的实现思想相悖。
免疫危险理论模型的工作原理如图1所示。
图1 免疫危险理论模型的工作原理
图1说明免疫细胞受损或者非正常死亡时会释放报警信
号，该信号分散覆盖在这个细胞周围的一小片区域内。抗原提
呈细胞(antigen presenting cells，APCs)受到刺激后将轮流刺激
自适应性免疫系统中的淋巴细胞产生免疫反应。在危险理论
中，外源蛋白(可通过注人方式实现)不存在危险，进而被忽
略；同样，由于肿瘤细胞不经历死亡过程，因此不会发出警告信
号，所以免疫系统对之不会产生免疫反应。正因为危险信号仅
用于激活APC8，图中的B细胞和T细胞依据信号signa]l和
signal2分别被激活(signall是免疫细胞到抗原模式或者抗原
片段的纽带．它是由抗原提呈细胞发出的；si印a12也是一种由
T协同细胞发出的“求助”信号，用于激活一个B细胞，或者由
抗原提呈细胞发出的用于激活T细胞的信号)。
正因为危险理论DT较好地阐释了AIS无法解释和实现
的自然免疫现象，DT成为当前信息安全领域的研究热点之一，
并在计算机病毒检测一J、网络入侵检测¨⋯、网络安全监控与评
估⋯·等方面已取得了一定进展。
2模型理论
DTQMSA模型的体系结构如图2所示。模型中的传感器
采用基于主机的方式部署，其功能主要包括两个方面：a)通过
人工免疫抗体(检测器)实时进行网络攻击检测；b)计算本地
主机的危险信号并告知安全态势感知中心。安全态势感知中
心通过分析、融合来自主机的多数据源危险信号，进而定量感
知主机乃至整个网络的安全态势。
瞄
传感器^
{‘感器m⋯传感器4
图2 DTQMSA模型的体系结构
2．1相关术语定义
为形式化描述DTQMSA模型的状态空间，笔者用S表示
状态空间集合，并假设se[0．1]‘。在DTQMSA中．人工抗原
(昭)看做是经过提呈的网络数据包．其中包括源lP地址、目的
IP地址、端口号、协议类型、IP标志、IP数据包长度等字段。初
始被注人的人工抗体(d6)用于匹配叼。由此可知曲和口g的
结构相同。且满足口6，agES。
依据上述叼和口6的定义可以知道，口g和口6各由k个片
段组成(每个片段可以看做是基因片段)。笔者假设ag=ag．+
口92+⋯agt，ab=abl+ab2+⋯+口6I，其中的“+”表示连接运
算。设d是人工免疫淋巴细胞。n是d检测到的抗原数目，age
是d的年龄，出代表危险信号，知和舶分别表示口g和曲的
集合，检测器集合SII曲咖定义如下：
s～={：2篡’＆da)出Id阜e屁舶) ㈩
其中：』v和尺分别是自然数和实数集合。
在I)TQMSA中，免疫淋巴细胞d用来检测网络攻击，分为
记忆淋巴细胞、成熟淋巴细胞和未成熟淋巴细胞。记忆淋巴细
胞是由生命周期内匹配了一定数量抗原的成熟淋巴细胞进化
而来，成熟淋巴细胞由未成熟淋巴细胞激活得到，而未成熟淋
巴细胞可以随机生成或注射获得。设s—一、S。～和s；。。。。分
别表示记忆、成熟和未成熟检测器集合，其形式化定义如下：
S嘲=l JI mES咖＆1．n≥口} (2)
s5一m：P酣岫“，：n l (3) 2 i vlEhoa，affmity(“，，)<卢j si="si" sESIymI="sESIymI" h="h" _x005F_x0033_模型分析与仿真="3模型分析与仿真" rQMSA即可实现对网="rQMSA即可实现对网" QMSA="QMSA" QMSA模型部署传感器的网络主="QMSA模型部署传感器的网络主" 表1实验数据一览表="表1实验数据一览表" land="land" Ol="Ol" _x005F_x0030_2="02" _x005F_x0030_3="03" _x005F_x0031_0="10" ll="ll" _x005F_x0031_2="12" _x005F_x0031_3="13" _x005F_x0031_4="14" _x005F_x0031_5="15" _x005F_x0031_10="110" _x005F_x0031_23="123" _x005F_x0031_36="136" _x005F_x0031_17="117" _x005F_x0031_41="141" _x005F_x0031_49="149" _x005F_x0031_25="125" _x005F_x0031_43="143" _x005F_x0031_52="152" _x005F_x0031_57="157" _x005F_x0031_19="119" _x005F_x0031_21="121" _x005F_x0031_35="135" _x005F_x0031_38="138" _x005F_x0031_29="129" _x005F_x0031_54="154" _x005F_x0031_46="146" _x005F_x0031_60="160" _x005F_x0031_73="173" _x005F_x0031_65="165" _x005F_x0031_26="126" _x005F_x0031_30="130" _x005F_x0031_6="16" _x005F_x0031_7="17" _x005F_x0031_8="18" _x005F_x0031_9加21="19加21" _x005F_x0032_2="22" _x005F_x0032_3="23" M="M" _x005F_x0032_5="25" _x005F_x0032_9="29" _x005F_x0033_0="30" _x005F_x0031_31="131" _x005F_x0031_51="151" _x005F_x0031_45="145" _x005F_x0031_48="148" _x005F_x0031_34="134" _x005F_x0031_61="161" _x005F_x0031_59="159" _x005F_x0031_70="170" _x005F_x0031_58="158" t44="t44" _x005F_x0031_74="174" _x005F_x0031_63="163" _x005F_x0033_l="3l" _x005F_x0033_2="32" _x005F_x0033_3="33" _x005F_x0033_4="34" _x005F_x0033_5="35" _x005F_x0033_6="36" _x005F_x0033_7="37" _x005F_x0033_8="38" _x005F_x0033_9加41="39加41" _x005F_x0034_2="42" _x005F_x0034_3="43" _x005F_x0034_4="44" _x005F_x0034_5="45" _x005F_x0031_4I="14I" _x005F_x0031_32="132" l国165="l国165" IS8="IS8" _x005F_x0031_78="178" _x005F_x0031_16="116" _x005F_x0031_27="127" _x005F_x0031_18="118" _x005F_x0031_62儿8="162儿8" _x005F_x0031_28="128" _x005F_x0034_6="46" _x005F_x0034_7="47" _x005F_x0034_8="48" _x005F_x0034_9="49" _x005F_x0035_0="50" _x005F_x0035_1="51" _x005F_x0035_2="52" _x005F_x0035_3="53" _x005F_x0035_4="54" _x005F_x0035_5="55" _x005F_x0035_6="56" _x005F_x0035_7="57" _x005F_x0035_8="58" _x005F_x0031_67="167" l醪156="l醪156" _x005F_x0031_55="155" l辐132="l辐132" _x005F_x0031_42="142" _x005F_x0031_47="147" smulf="smulf" muff="muff" mIIlf="mIIlf" _x005F_x0031_80="180" g="g" 髻160="髻160" 嘉150="嘉150" 备140="备140" 善130="善130" 舅120="舅120" llO="llO" 图3实验结果="图3实验结果" _x005F_x0034_结束语="4结束语" 本文提出的m="QMs^模型改变了传统人工免疫系统AIS
基于SNS的免疫识别方法。理论分析和仿真结果表明该模型
能实时、定量地感知主机乃至整个网络的安全态势，较文献
[7】提出的网络安全态势感知模型AC嗍具有更好的适应
性。
然而，本文提出的m" CASTRO="CASTRO" L="L" imlmme="imlmme" lyI吐锄越-novel="lyI吐锄越-novel" _x005F_x0038_art="8art" ROECK="ROECK" 啪Iu6咖舡y="啪Iu6咖舡y" Notes="Notes" in="in" 万方数据="万方数据" _x005F_x00B7_2686·="·2686·" 计算机应用研究第28卷="计算机应用研究第28卷" _x005F_x0033_相关工作比较="3相关工作比较" 在本文之前已经有人用代数的方法形式化地描述策略合="在本文之前已经有人用代数的方法形式化地描述策略合" 本文在对网格环境下的基于属性的跨域访问控制策略合="本文在对网格环境下的基于属性的跨域访问控制策略合" CAPffANI="CAPffANI" Di="Di" VIMERCAJll="VIMERCAJll" An="An" algebm="algebm" InformaUon="InformaUon" and="and" Systom="Systom" policy="policy" Trans="Trans"></卢j>

网友评论 more

综合安全论文最新内容

05-04