计算机网络安全态势预测模型概述

　　为了全面获取计算机网络的运行状况，及时有效地预测网络安全态势的发展，合理利用整个网络的资源，分析态势得到潜在的威胁，并且采取有力的措施防止攻击等造成恶意破坏，所以需要建立网络安全态势预测模型。本文阐述了计算机网络安全态势预测的重要性和研究现状，并且介绍了常见的网络安全态势预测技术。

　　1.网络安全态势预测的重要性和研究现状

　　1.1 网络安全态势预测的重要性

　　计算机网络态势指的是由各种网络电子设备的运行状况、网络行为和用户行为等不同因素构成的整个网络的当前状态和变化趋势。随着计算机网络的开放性、普及性以及共享性的日益发展，各种网络威胁和安全事件层出不穷，网络安全问题越来越受到人们的重视。为了保证计算机网络系统平稳、安全地运行，利用传统、单一的检测或防御设备已经不能满足需求。因此，全面认知计算机网络系统的安全状况，真实、客观、准确地对网络安全态势进行评估与预测，就逐步成为计算机网络空间安全领域的研究热点。由于计算机网络中恶意攻击的非确定性、混淆性和易变性等特点，网络态势预测还与信息技术学、军事科学和计算机科学等多个学科有着密切的联系，其时效性、安全性和准确性已经严重影响到人们的生活安全和国家信息安全。

　　1.2 网络安全态势预测的研究现状

　　自从1997年，美国、英国等国家一直在从事网络安全态势预测的研究，美国国防部成立了网络战预警中心，针对网络中不同的基础设施提出了为期15年，分步骤、分阶段实现的预警系统计划。“9·11”事件发生以后，欧盟还加快实施“建立电子信息安全计划”的步伐，要求严格检查信息网络系统中基础设施的预警和应急响应能力。英国King’S College London学院国际安全分析中心(ICSA)在信息战攻击威胁测评和预警方面进行了深入研究，提出了智能化预警决策系统。

　　此外，在国内的网络安全态势领域也有一些开创性的研究：上海交通大学的陈秀真等人提出了层次化网络安全威胁态势评估模型;哈尔滨工程大学的王慧强等人提出的网络态势感知系统模型;中国科技大学的张勇等提出了基于多角度分析的网络安全态势感知评估模型。

　　2.势预测的相关模型和技术

　　态势预测基于过去和当前的态势评估结果，对网络整体或局部的安全态势在未来一段时间或某个时间点的发展变化趋势进行预测。

　　目前，常见的态势预测技术有：基于人工神经网络的态势预测、基于灰色理论的态势预测和基于时间序列分析的态势预测等等，它们的特点各有不同并且适用范围也有所差异。

　　2.1 基于人工神经网络的态势预测

　　人工神经网络是一种非线性动力系统，它的原理是模拟人的认知过程，将不同的信息分布式存储后，进行并行协同处理。其实质就是把当前某时刻的输出表示成为之前几步的输入值与输出值的非线性关系的函数。人工神经网络一般是由BP神经网络的三层结构组成，包括输入层、隐含层和输出层。首先需要明确输入值以及设定初始权值，于是每一层的输出值由正向计算得出，每一层的权值需要根据计算结果进行反向调整，然后再次重新计算，如此通过权值的反复调整得出计算结果，直至满足需求。

　　2. 2 基于灰色理论的态势预测

　　在1982年，邓聚龙教授创立了灰色理论，它是一门研究信息部分已知、部分未知或者不确定的系统的理论和方法，从有限的并且杂乱的数据中找出规律，建立相应的灰色模型。灰色系统中把不确定量定义为灰色量，通过具体数学方法进行灰色系统建模，它可以利用时间序列来确定微分方程的参数。灰色预测把观察到的数据看作随时变化的灰色量，利用累减生成和累加生成逐步使灰色量白化，建立起相应于微分方程的解的模型然后做出预测，于是，就可以应用于某些大型系统和长期预测模型中。灰色预测的三种基本方法是：数列预测、系统预测和灾变预测。

　　2.3 基于时间序列的态势预测

　　时间序列是将某类通过统计指标得到的数值，按照时间的先后顺序而排列得到的数列。利用时间序列进行预测即通过分析所形成的时间序列，依靠时间序列表现出的发展变化过程、趋势和放向，进行合理类推或适当延伸，用以预测下一个时间段或更长的时间段内可能出现的情况。正是由于客观事物的变化发展具有连续性的规律，才产生了时间序列分析。根据以往大量的历史数据，进行统计和分析，进一步推断和预测将来的发展变化趋势。

　　3.网络安全态势预测的未来

　　传统的预测方法往往基于特定的数学预测模型，预测模型需要知道所有对结果有影响的因子，并且按照不同的权重和传递关系，模拟计算出最终的结果。模型中各个影响因子及其权重依赖于专家的主观经验，但由于影响网络的因素很多，并且这些因素都难以精确地表达出来，对复杂非线性的预测数据分析效果不理想，预测精度较低。

　　作者：宋涛　胡晓文　李玉海　郭维军　梁城 来源：读写算·基础教育研究 2016年5期