[发明专利]一种基于异常流量检测的网络安全态势感知方法及装置

权利要求书

1.一种基于异常流量检测的网络安全态势感知方法，其特征在于，包括：

使用k均值聚类算法和C4.5决策树算法对网络异常流量进行分类，得到异常流量分类结果，包括：选择流量数据包的属性特征，其中，所述属性特征包括：选择源IP地址、目的IP地址、源端口号、目的端口号、协议号；采集流量数据包的属性特征；依据源IP地址统计流量数据包的个数，当个数超过阈值时则判定该IP地址对应的流量数据包为异常流量；使用k均值聚类算法将异常流量划分成簇；针对每一个簇，使用C4.5决策树算法进行分类；将所有簇中相同的类合并为一类，得到异常流量分类结果；

基于所述异常流量分类结果对网络安全态势进行评估，得到网络安全态势评估结果，其中，具体评估步骤如下：

基于统计分析方法计算各类异常流量危害程度，评估网络安全态势，以及，基于统计分析方法计算各个漏洞被利用的可能性，分析漏洞利用概率；

基于所述网络安全态势评估结果对网络安全态势进行预测，得到网络安全态势预测结果，其中，具体预测步骤如下：

基于预测方法和历史网络安全态势数据，预测未来的网络安全态势，包括：给定态势分析的时间区间长度T,以及此前最近的L个阶段中每个异常流量类在每个阶段的数据包的个数，记为N_l，i，l＝1，…，L；i＝1，…，n，对于下一个区间T的态势预测方法如下：

利用移动平均法预测下一个区间T每个异常流量类的数据包个数如下：

预测下一个区间的网络安全态势如下：

其中，表示下一个时间区间每类异常流量出现的概率，值越大威胁也越大，是下一个阶段的重点防御方向；

以及，基于预测方法和历史漏洞利用概率数据，预测未来的漏洞利用概率，包括：

给定态势分析的时间区间长度T，以及此前最近的L个阶段中每个漏洞被利用的次数，记为M_l,i，l＝1,…,L；i＝1,…,m，对于下一个区间T的漏洞利用概率预测如下：

利用移动平均法预测下一个区间T针对每个漏洞被利用的次数如下：

预测下一个区间每个漏洞被利用的概率为：

其中，表示下一个时间区间每个漏洞被利用的概率，值越大，下一个区间越需要重点防御；基于预测出的所述下一个时间区间每类异常流量出现的概率以及每个漏洞被利用的概率采取相应的防护措施。