摘  要： 針對網(wǎng)絡(luò)安全態(tài)勢評估中權(quán)值計算過于依賴專家經(jīng)驗，忽略了客觀因子對態(tài)勢決策結(jié)果的影響的現(xiàn)狀，提出了一種綜合加權(quán)的層次化網(wǎng)絡(luò)安全態(tài)勢評估方法；依據(jù)該指標(biāo)體系綜合賦權(quán)，由層次分析法計算主觀權(quán)值和粗糙集方法計算客觀權(quán)值，聯(lián)合兩種權(quán)值得到綜合權(quán)值，并結(jié)合了因子加權(quán)求和法來綜合分析當(dāng)前網(wǎng)絡(luò)安全態(tài)勢狀況。實驗表明該方法切實可行，能更客觀、準(zhǔn)確地分析網(wǎng)絡(luò)安全狀況。

　　關(guān)鍵詞： 態(tài)勢評估；粗糙集；層次分析法；因子加權(quán)求和法

0 引言

　　網(wǎng)絡(luò)安全態(tài)勢感知[1]（Network Security Situation Awareness，NSSA）是指在現(xiàn)實的網(wǎng)絡(luò)環(huán)境中，在一定時間和空間內(nèi)，對能引起網(wǎng)絡(luò)安全態(tài)勢發(fā)生變化的外界因素進(jìn)行提取、評估以及對未來的變化趨勢進(jìn)行預(yù)測。1999年，T.Bass[2]首次提出網(wǎng)絡(luò)安全態(tài)勢感知的概念，并采用JDL融合處理模型，把數(shù)據(jù)融合技術(shù)引入態(tài)勢感知領(lǐng)域。

　　網(wǎng)絡(luò)安全態(tài)勢評估是網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)中的核心與重點，目前國內(nèi)外提出了許多種關(guān)于網(wǎng)絡(luò)安全態(tài)勢評估方法。面對大規(guī)模巨型網(wǎng)絡(luò)，層次化結(jié)構(gòu)和權(quán)重相結(jié)合的方法是最常見的態(tài)勢評估方法，陳秀珍[3]采用自下而上、先局部后整體的層次化威脅態(tài)勢評估模型，逐層對攻擊、服務(wù)和主機(jī)的權(quán)重進(jìn)行加權(quán)計算，分析網(wǎng)絡(luò)安全狀況；韋勇[4]根據(jù)權(quán)重分析逐層計算節(jié)點態(tài)勢，利用實際性能信息修正節(jié)點態(tài)勢值，進(jìn)一步分析網(wǎng)絡(luò)安全態(tài)勢。通過權(quán)重分析來評估網(wǎng)絡(luò)安全態(tài)勢的方法還有很多，但大都存在如下缺陷：（1）權(quán)值的選取主觀任意性強(qiáng)，主要依賴于專家的經(jīng)驗，缺乏客觀的依據(jù)；（2）指標(biāo)體系過于龐大和冗余性高，導(dǎo)致評估結(jié)果精度低；（3）態(tài)勢指標(biāo)和權(quán)值一般都是靜態(tài)的，難以勝任動態(tài)網(wǎng)絡(luò)分析。

　　為了動態(tài)完整地描述網(wǎng)絡(luò)的安全狀況，提出了一種基于綜合加權(quán)的網(wǎng)絡(luò)安全態(tài)勢評估方法，通過層次分析法得到主觀權(quán)值，通過粗糙集方法得到客觀權(quán)值，將二者相結(jié)合得到綜合態(tài)勢權(quán)值，并通過因子加權(quán)函數(shù)融合來計算網(wǎng)絡(luò)安全態(tài)勢值。該方法既利用了層次分析思想構(gòu)建層次化網(wǎng)絡(luò)安全態(tài)勢指標(biāo)體系，又結(jié)合了粗糙集理論的除冗、除維和處理模糊性不確定信息的能力，結(jié)合了兩者的優(yōu)點，精簡了網(wǎng)絡(luò)安全態(tài)勢指標(biāo)，提高了對網(wǎng)絡(luò)安全態(tài)勢分析的準(zhǔn)確性。

1 相關(guān)基礎(chǔ)知識

　　1.1 層次分析法[5-6]

　　層次分析法（Analytic Hierarchy Process，AHP）在20世紀(jì)70年代由美國著名運籌學(xué)家T.L.Satty等人提出。此方法是一種以專家的專業(yè)判斷經(jīng)驗為依據(jù)，將某個復(fù)雜的問題分解成若干層次，并采用定性、定量相結(jié)合方法確定權(quán)重的量化決策與評價方法。AHP要經(jīng)過如下4個步驟：

　?。?）構(gòu)建層次化評估結(jié)構(gòu)；

　?。?）構(gòu)造判斷矩陣；

　?。?）層次單排序及一致性檢驗；

　?。?）層次總排序及一致性檢驗。

　　這一過程是從高層到低層逐步進(jìn)行的，最終得到最低方案層因素對最高目標(biāo)層的權(quán)重。

　　1.2 粗糙集理論[7-8]

　　粗糙集理論（Rough Set Theory，RST）是波蘭數(shù)學(xué)家Z.Pawlak教授提出的一種新型的處理模糊和不確定性知識的數(shù)學(xué)工具，其主要特點是其在保持信息系統(tǒng)分類能力不變的前提下進(jìn)行知識約簡，最終導(dǎo)出問題分類的決策或分類規(guī)則。

　　設(shè)s=（U，R，V，f）為一個知識表達(dá)系統(tǒng)，其中：論域U={x1，x2，x3，…，xn}為非空有限集；R為非空屬性集合，R包括條件屬性C和結(jié)果屬性D，即C∪D=R；V為屬性a∈R的值域；f：U×R→V為一個單射信息函數(shù)，指定論域中任一個元素的屬性值。

　　定義1 設(shè)XU且X∈U，決策屬性D對條件屬性C的依賴度定義：。

　　定義2 若屬性a∈C，則屬性a對決策屬性D的屬性重要性定義為：SGF（a，C，D）=（C，D）-（C-{a}，D）；其中（C-{a}，D）為在C屬性中缺少屬性a后，條件屬性對決策屬性的重要程度。

　　定義3 若a∈p且POS（P-{a}）（D）=POS（p）（D），則表示在p中屬性a是不必要的，否則表示在p中a是必要的。若a∈p都是必要的，則表示P獨立，否則表示P是依賴的。

　　由以上相關(guān)粗糙集定義1、2可求得屬性重要性：

　　在此基礎(chǔ)上將各個屬性進(jìn)行歸一化處理得到客觀權(quán)重：

2 基于RS-AHP的網(wǎng)絡(luò)安全態(tài)勢評估模型

　　在網(wǎng)絡(luò)安全數(shù)據(jù)中存在著大量不確定、冗余性數(shù)據(jù)，給態(tài)勢評估造成了嚴(yán)重的影響；同時在安全數(shù)據(jù)中存在的定性成分和定量成分導(dǎo)致難以用單一的評估方法進(jìn)行精確的量化。傳統(tǒng)的層次化分析法又存在其本身的缺陷[9]，直接通過兩兩逐對比較形成的判斷矩陣也會影響到評估的結(jié)果。為了得到更加合理的評估效果，本文采用層次化分析法和粗糙集理論相結(jié)合的方法，利用定性和定量的結(jié)合來降低構(gòu)造判斷矩陣的主觀性，使得評估結(jié)果更準(zhǔn)確。其評估結(jié)構(gòu)框架如圖1。

　　2.1 層次化態(tài)勢指標(biāo)體系篩選

　　在實際的大規(guī)模網(wǎng)絡(luò)中，主要的數(shù)據(jù)來源可以分為3類：運行相關(guān)信息、配置相關(guān)信息和IDS系統(tǒng)日志庫信息[10]。不同的數(shù)據(jù)由不同的指標(biāo)來決定，研究相關(guān)信息對網(wǎng)絡(luò)安全態(tài)勢的影響就需要采用相關(guān)的指標(biāo)體系。

　　本文采用層次分析法分析層與層之間、指標(biāo)之間的相對關(guān)系，以構(gòu)建如圖2所示的態(tài)勢指標(biāo)體系。

　　態(tài)勢指標(biāo)體系的建立是網(wǎng)絡(luò)安全態(tài)勢評估的核心，在實際大網(wǎng)絡(luò)中，存在著眾多相互沖突、非確定性的觀測指標(biāo)。各指標(biāo)對評估結(jié)果的作用也存在較大差異。能否建立科學(xué)、合理的指標(biāo)體系直接關(guān)系到能否準(zhǔn)確分析網(wǎng)絡(luò)安全態(tài)勢狀況，如果選擇的指標(biāo)過多，會增加評估過程中不必要的干擾；反之，則不能全面、準(zhǔn)確地分析態(tài)勢狀況。

　　粗糙集理論在態(tài)勢因子選取方面擁有獨特的優(yōu)勢[11]，網(wǎng)絡(luò)安全態(tài)勢評估指標(biāo)體系與權(quán)值的構(gòu)建和調(diào)整依賴于對網(wǎng)絡(luò)數(shù)據(jù)的關(guān)聯(lián)性分析，而通過計算粗糙集理論中的屬性重要度能在不失去數(shù)據(jù)原有價值的基礎(chǔ)上選擇最小的屬性子集，去除不相關(guān)的、冗余的和高維的屬性，從而完成對網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)的關(guān)聯(lián)性分析[12]。

　　根據(jù)定義1和定義2，利用粗糙集理論中的比較屬性依賴度，來衡量條件屬性對決策的重要性，剔除對網(wǎng)絡(luò)安全態(tài)勢評估作用小的指標(biāo)。

　　2.2 綜合態(tài)勢權(quán)重的計算

　　本文提出一種綜合性的網(wǎng)絡(luò)安全態(tài)勢權(quán)重方法，借助于經(jīng)驗因子方法[13]對主客觀權(quán)值進(jìn)行融合，將主觀態(tài)勢權(quán)重和客觀態(tài)勢權(quán)重綜合起來抽象為一個最優(yōu)解問題，通過求解該最優(yōu)化問題模型得到唯一的一個最優(yōu)解：

　　通過經(jīng)驗因子融合權(quán)值法，u一般取值范圍為[0，0.5]，根據(jù)專家相關(guān)經(jīng)驗和具體實際決策因子進(jìn)行衡量取值。如果邀請的相關(guān)專家的專業(yè)認(rèn)識和經(jīng)驗不足，則應(yīng)降低主觀權(quán)值的重要度，提高相應(yīng)的客觀權(quán)值的重要度；反之，若專家經(jīng)驗足夠，且認(rèn)為數(shù)據(jù)源的可靠性不高或?qū)嶋H態(tài)勢因子可行性低，則相應(yīng)地增加u的值。

　　2.3 網(wǎng)絡(luò)安全態(tài)勢量化

　　態(tài)勢評估是對當(dāng)前安全態(tài)勢的一種動態(tài)理解過程，反映當(dāng)前網(wǎng)絡(luò)的安全狀況。本文致力于研究態(tài)勢值計算中的指標(biāo)權(quán)值，通過因子加權(quán)函數(shù)[14]的融合，提高網(wǎng)絡(luò)安全態(tài)勢量化結(jié)果的準(zhǔn)確性。

　　定義4 網(wǎng)絡(luò)安全態(tài)勢指數(shù)：是對某一個時間周期（一般不短于24 h）中影響網(wǎng)絡(luò)安全態(tài)勢變化的各個因素（如基礎(chǔ)運行性、脆弱性和威脅性）采用綜合加權(quán)的方法進(jìn)行綜合量化而得到一種能反映當(dāng)前網(wǎng)絡(luò)安全態(tài)勢的數(shù)值。

　　Evaluate=wB1f1+wB2f2+wB3f3（4）

　　定義5 網(wǎng)絡(luò)脆弱指數(shù)：是對某個時間周期中影響脆弱性的各個二級指標(biāo)進(jìn)行因子加權(quán)融合得到的數(shù)值。其他威脅性指數(shù)和基礎(chǔ)運行指數(shù)的形成與之類似，都是通過相應(yīng)的因子加權(quán)融合而成。

　　以上三式中，?琢i，λi，δi，w1，w2，w3都代表相應(yīng)的權(quán)值系數(shù)；xi，yi，zi分別表示各個指標(biāo)對應(yīng)的態(tài)勢因子值。

3 實驗結(jié)果及分析

　　3.1 實驗環(huán)境的搭建

　　為了驗證本文提出的基于綜合加權(quán)的網(wǎng)絡(luò)安全態(tài)勢量化評估方法的合理性與正確性，本文搭建由主機(jī)、路由器、交換機(jī)、防火墻、漏洞掃描、入侵檢測snort等設(shè)備組成實驗環(huán)境。實驗數(shù)據(jù)主要來源于Snort攻擊信息、Netflow數(shù)據(jù)流信息、主機(jī)的Nessus漏洞掃描信息、Firewall日志信息、IDS入侵檢測日志信息。在實驗中，當(dāng)正常網(wǎng)絡(luò)遭到各類惡意攻擊流量注入時，從各網(wǎng)絡(luò)節(jié)點獲取實驗所需的異常數(shù)據(jù)，并在MATLAB7.0平臺下搭建網(wǎng)絡(luò)安全態(tài)勢評估模型，進(jìn)行仿真實驗；當(dāng)采集的態(tài)勢數(shù)據(jù)為大樣本數(shù)據(jù)時，對數(shù)據(jù)進(jìn)行等距離離散法[14]和無量綱歸一化處理，得到實驗所需的在[0，1]之間的規(guī)范化數(shù)據(jù)。

　　3.2 綜合指標(biāo)權(quán)值處理過程

　　3.2.1 主觀權(quán)值計算

　　基于層次分析法的主觀權(quán)重賦值主要依賴專家經(jīng)驗對實際環(huán)境的考察和總結(jié)。本文邀請多名專家對網(wǎng)絡(luò)各個屬性進(jìn)行了綜合評價，得到一致性結(jié)論：基礎(chǔ)運行性是網(wǎng)絡(luò)安全運行的特征，其地位比其他兩者重要得多；脆弱性和威脅性雖然可能導(dǎo)致網(wǎng)絡(luò)安全態(tài)勢降低，但兩者比重較低。

　　根據(jù)專家意見構(gòu)建準(zhǔn)則層因素兩兩之間對目標(biāo)網(wǎng)絡(luò)安全態(tài)勢的判別矩陣如圖3所示，令A(yù)為目標(biāo)網(wǎng)絡(luò)安全態(tài)勢，B1為脆弱性態(tài)勢，B2為基礎(chǔ)運行性態(tài)勢，B3為威脅性態(tài)勢。

　　求得矩陣的特征向量和最大特征根分別為：w′A= [0.2，0.6，0.2]T和λmax=3。檢驗矩陣的一致性：，表明此矩陣完全一致。綜上所得準(zhǔn)則層的權(quán)值向量為w′A=[0.2，0.6，0.2]T。

　　根據(jù)上述原理分別求得指標(biāo)層對準(zhǔn)則的權(quán)值向量（不再累贅復(fù)述）：w′B1=[0.312，0，246，0，108，0.108，  0.108，0.118]T；w′B2=[0.339，0.084，0.048，0.217，0.101，0.098，0.068，0.045]T；w′B3=[0.215，0.101，0.098，0.224，0.064，0.201，0.097]T。

　　3.2.2 客觀權(quán)值計算

　　本文以脆弱性指標(biāo)為例，通過各類檢測設(shè)備獲取100組檢測數(shù)據(jù)，將其離散歸一后得到規(guī)范化實驗數(shù)據(jù)；以脆弱性二級指標(biāo)作為決策系統(tǒng)的條件屬性；參考snort手冊規(guī)定的風(fēng)險程度分別為：1為低、2為中和3為高。表1展示部分信息決策。

　　根據(jù)粗糙集的屬性的約簡能力，可對該表進(jìn)行約簡，刪除指標(biāo)中冗余成份。由表1的結(jié)果顯示：a~e中POSC（D）≠POSC-i（D）（i=a，b，c，d，e），表明條件屬性a~e為不可約簡屬性；而POSC（D）=POSC-f（D），表明條件屬性f為可約簡屬性。綜上所述，指標(biāo)f為冗余指標(biāo)，需要剔除。

　　依照式（1），式（2）所得脆弱性二級指標(biāo)權(quán)值為wB1″=[0，333，0，267，0.133，0.133，0.133，0.000]T。

　　同理可得，基礎(chǔ)運行性二級指標(biāo)權(quán)值為wB2″=    [0.352，0.102，0.000，0.209，0.121，0.086，0.130，0.000]T；威脅性二級指標(biāo)權(quán)值wB3″=[0.261，0.089，0.108，0.213，0.000，0.203，0.126]T。

　　3.2.3 綜合權(quán)值

　　為綜合3.2.1和3.2.2兩種權(quán)賦值方法的優(yōu)點，從下至上，分別逐層確定每一層指標(biāo)對上層指標(biāo)的權(quán)值，根據(jù)實際情況和專家的經(jīng)驗取值u=0.382，使主、客權(quán)值之比為黃金分割數(shù)。其各級指標(biāo)權(quán)值分別如下：一級指標(biāo)為wA=[0.1691，0，6618，0，1691]T，二級指標(biāo)為wB1=[0.325，0.259，0.123，0，123，0，123，0.047]T；wB2=[0.347，0.095，0.018，0.212，0.113，0.090，0.106，0.019]T；wB3=[0.243，0.094，0.104，0.217，0.025，0.202，0.115]T。

　　3.3 結(jié)果及分析

　　經(jīng)過多次態(tài)勢因子數(shù)據(jù)的檢測，根據(jù)上述因子加權(quán)求和法進(jìn)行網(wǎng)絡(luò)安全態(tài)勢值的量化。為了方便管理員評價，規(guī)定安全態(tài)勢值分布在[0，1]之間且把網(wǎng)絡(luò)安全態(tài)勢劃分為5個危害等級：[0，0.1]，[0.1，0.2]，[0.2，0.3]，[0.3，0.5]，[0.5，1]，危險性隨不同等級逐層增大，當(dāng)安全態(tài)勢值趨近于1時，表示當(dāng)前網(wǎng)絡(luò)運行極不安全，反之亦然。繪出如圖4的網(wǎng)絡(luò)安全態(tài)勢曲線，反映本時段的網(wǎng)絡(luò)安全態(tài)勢狀況。

　　4 結(jié)論

　　粗糙集理論在網(wǎng)絡(luò)安全態(tài)勢評估中能有效度量各網(wǎng)絡(luò)安全態(tài)勢要素重要性，在處理海量的網(wǎng)絡(luò)數(shù)據(jù)時能避免不確定性、冗余性和高維性對態(tài)勢因子篩選的干擾。本文提出的基于綜合加權(quán)的網(wǎng)絡(luò)安全態(tài)勢評估方法能夠避免傳統(tǒng)層次分析法導(dǎo)致安全態(tài)勢評估結(jié)果不準(zhǔn)確的問題，又能減少粗糙集約簡不充分造成的評估低效問題。仿真結(jié)果表明，此方法能夠提高網(wǎng)絡(luò)安全態(tài)勢評估的準(zhǔn)確度，滿足對網(wǎng)絡(luò)安全態(tài)勢評估的要求。

參考文獻(xiàn)

　　[1] 龔正虎，卓瑩.網(wǎng)絡(luò)安全態(tài)勢感知[J].軟件學(xué)報，2010，21（7）：1605-1619.

　　[2] BASS T， ARBOR A. Multisensor data fusion for next generation distributed intrusion detection syste ms[C]. Proceeding of IRIS National Symposium on Sensor and Data Fusion， Laurel， MD： [s.n.]，1999：24-27.

　　[3] 陳秀真，鄭慶華，管曉宏，等.層次化網(wǎng)絡(luò)安全威脅態(tài)勢量化評估方法[J].軟件學(xué)報，2006，17（4）：885-897.

　　[4] 韋勇，連一峰.基于日志審計與性能修正算法的網(wǎng)絡(luò)安全態(tài)勢評估模型[J].計算機(jī)學(xué)報，2009，32（4）：763-772.

　　[5] 李方偉，楊紹成，朱江.基于模糊層次法的改進(jìn)型網(wǎng)絡(luò)安全態(tài)勢評估方法[J].計算機(jī)應(yīng)用，2014，34（9）：2622-2626.

　　[6] 劉延華，陳國龍，吳瑞芬.基于云模型和AHP的網(wǎng)絡(luò)信息系統(tǒng)可生存性評估[J].通信學(xué)報，2014，35（8）：107-115.

　　[7] PAWLAK Z. Rough sets and intelligent data analysis[J]. Information Sciences， 2002，147（1）：1-12.

　　[8] 王國胤，姚一豫，于洪.粗糙集理論與應(yīng)用研究綜述[J].計算機(jī)學(xué)報，2009，32（7）：1229-1246.

　　[9] 王宇飛，徐志博，王婧.層次化電力信息網(wǎng)絡(luò)威脅態(tài)勢評估方法[J].中國電力，2013，46（7）：121-125.

　　[10] 賈焰，王曉偉，韓偉紅，等.YHSSAS：面向大規(guī)模網(wǎng)絡(luò)的安全態(tài)勢感知系統(tǒng)[J].計算機(jī)科學(xué)，2011，38（2）：4-9.

　　[11] 卓瑩，何明，龔正虎.網(wǎng)絡(luò)安全態(tài)勢評估的粗集分析模型[J].計算機(jī)工程與科學(xué)，2012，34（3）：326-330.

　　[12] 陸悠，羅軍舟，李偉，等.面向網(wǎng)絡(luò)狀態(tài)的自適應(yīng)用戶行為評估方法[J].通信學(xué)報，2013，34（7）：71-80.

　　[13] 文志誠，曹春麗.基于因子加權(quán)的網(wǎng)絡(luò)安全態(tài)勢感知方法[J].計算機(jī)應(yīng)用，2015，35（5）：1393-1398.

　　[14] 高春維，譚旭.決策屬性未知下的學(xué)生評教粗糙集分析[J].計算機(jī)工程與應(yīng)用，2012，48（9）：238-241．