论文部分内容阅读
随着网络技术的日益发展,我们面对着更大规模和日益复杂的网络,网络被入侵攻击已经在所难免。现有的网络检测和防御技术已经不能满足网络发展的要求。现在人们的注意力更加集中在网络系统在受到破坏时,网络系统还能否继续为用户提供关键服务,满足用户的需求,这就是网络的可生存性,这已经成为网络安全研究的一个新方向。网络可生存性态势感知技术研究的主要内容包括网络可生存性要素指标提取、态势评估和态势预测等相关技术。它强调从系统整体的角度来审视网络的生存状况,根据历史数据建立合理有效的预测模型,并对未来某些时刻网络系统的生存状况做出有效地预测,以提前采取相应措施,保证关键服务的正常运行,从而保障和满足用户需求。本文提出了一种基于改进的TOPSIS—灰色关联分析—熵差(Improved TOPSIS-Grey Correlation Analysis-Entropy Difference, ITOPSIS-GCA-ED)的可生存性综合评估模型。首先使用模糊层次分析方法给定关键服务及其影响关键服务因素的权重,避免权重值的主观性判断。然后使用改进的TOPSIS方法对关键服务状况进行决策,避免了一般的TOPSIS方法在增加或者减少决策方案时,正负理想点易产生逆序的问题,接着运用关联分析给出正负理想解与关键服务之间的关系,确定最优从属度,最后采用“熵差”方法对系统中各个关键服务进行定量评估,得出整个系统的生存状况评估值及定性分级。通过两组实验数据详细说明了该模型的评估过程并进行对比分析,表明了该模型的合理性和有效性。在态势预测方面,提出了 ARIMA(4,1,6)的态势预测模型。首先对样本数据采用游程检验方法进行了平稳性分析,若样本数据不平稳,需进行差分处理,直到平稳。其次通过观察序列在平稳化处理后其自相关和偏自相关图,来初步判断并定阶模型,在确定好模型后,其还需通过白噪声检验,才能用作预测模型。最终实验表明,该模型可以较为合理地预测未来一段时间网络系统的生存状况,验证了模型的准确性。