[发明专利]一种基于改进WOA-SVM的网络安全态势评估方法

说明书

本发明提出了一种基于改进WOA‑SVM的网络安全态势评估方法，其步骤为：以现有的网络安全数据组成样本集；初始化WOA算法和SA算法；选择螺旋捕食或随机搜索猎物，利用自适应权重法更新WOA算法中的当前鲸鱼位置，更新当前的鲸鱼最优位置和全局最优位置；根据SA算法的突跳概率判断是否接受新的鲸鱼位置；判断是否满足迭代的终止条件；将得到的全局最优位置的值赋值给SVM，利用回归拟合分析最佳的参数进行SVM网络训练，将评估值转化为网络安全等级。本发明利用WOA的全局寻优特性寻找SVM的最优参数，利用自适应权重调整鲸鱼位置更新系数，并采用SA算法增加随机搜索因素，避免陷入局部极值，以改善全局寻优能力。

技术领域

本发明涉及网络安全态势评估的技术领域，尤其涉及一种基于改进WOA-SVM的网络安全态势评估方法。

背景技术

随着我国互联网、大数据、云计算和人工智能等技术的高速发展及应用，网络空间安全也面临着越来越大的风险和威胁，比较突出的问题是DDoS攻击、APT攻击、高危漏洞数量的不断攀升、数据泄露事件的频发、“灰色”应用程序的不断涌现以及高新科技带来的安全隐患。目前网络系统面临的安全问题主要表现在：所涉及的网络安全数据量逐渐增大，日益大数据化；网络安全事件不断被割裂，以至于难以被感知，所获得的安全信息零散杂乱，需要管理员花费大量的时间精力去分析潜在的安全威胁，耗时耗力，事倍功半；现有的很多网络安全系统对数据的收集存在局限性，有的仅限于对网络中的某一方面或某几个方面的安全数据进行收集、分析和处理，难以对网络的安全状况进行全面的描述和反映。面对这些新的挑战和威胁，已有的传统网络安全防御手段、策略和方法(如入侵检测系统、防火墙、防病毒、访问控制等)已经跟不上如今网络系统的实际安全需求。

安全态势感知最早应用在航空和军事领域，后来逐渐推广到网络安全领域。网络安全态势评估是理解当前网络安全状况的一种重要手段。1988年，Endsley在态势感知(Situation Awareness)概念的基础上，将其概括为三个层面，即“态势要素的提取、态势理解和态势预测”，其中“态势理解”的核心是“态势评估”。1999年，Bass把空中交通监管ATC态势感知的成熟理论和技术应用到网络安全态势感知中去，并首次提出了电子空间态势感知(Cyberspace Situation Awareness)的概念，为网络安全态势技术的研究奠定了基础。网络安全态势感知即在一定的时空范围内，认知、理解环境因素，并且对未来的安全发展趋势进行预测。后来在Endsley的模型基础上出现了网络安全态势评估的概念。网络安全态势评估能够对从网络中提取的态势要素和数据信息进行整合、分析，对当前网络安全态势进行建模评估，根据评估模型得到态势值，从整体上动态反映网络系统的当前运行状态以及面临的威胁的严重程度，并对其发展趋势进行预测和预警，为网络安全管理提供决策支持。网络安全态势评估作为下一代网络安全的新技术和新型网络安全防御体系的重要组成部分，具有重要的研究意义和应用价值。

网络安全态势评估是在对网络上原始安全数据和事件进行采集和预处理之后，基于建立的网络安全态势指标体系，在一定先验知识的基础上，通过一系列的数学模型和算法进行处理，进而以安全态势值的形式得出定量或定性的网络安全态势评估结果，以反映当前的网络安全状况。目前，由于网络攻击越来越呈现出多样化、复杂化和随机性的特点，并且网络安全态势也是一个复杂的且不断变化的非线性过程，因此采用机器学习、深度学习等人工智能技术进行网络安全态势评估是一个必然的发展趋势。如何构建一个准确率高且科学客观的网络安全态势评估模型是网络安全态势评估研究的一个重点。已提出的基于人工智能的评估方法很多，但根据所依据的理论不同大致可分为基于数学模型、基于知识推理和基于模式识别三种。