肖 峰

(安徽職業(yè)技術(shù)學(xué)院，安徽 合肥 230031)

0 引 言

計(jì)算機(jī)網(wǎng)絡(luò)信息技術(shù)的發(fā)展對(duì)網(wǎng)絡(luò)的安全性提出了更大的挑戰(zhàn)，需要構(gòu)建優(yōu)化的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)模型，結(jié)合信息處理和傳輸信道優(yōu)化控制的方法，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)和安全性識(shí)別，分析計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的統(tǒng)計(jì)信息，采用信號(hào)處理方法，實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)模擬，結(jié)合對(duì)應(yīng)的大數(shù)據(jù)分析技術(shù)，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)，提高計(jì)算機(jī)網(wǎng)絡(luò)的安全性，相關(guān)的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)方法研究在網(wǎng)絡(luò)安全模型設(shè)計(jì)中具有一定的意義[1]。

對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的檢測(cè)方法是建立在對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信息特征檢測(cè)和信號(hào)分析基礎(chǔ)上，采用大數(shù)據(jù)融合分析和信號(hào)擬合的方法，建立計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)分析模型，傳統(tǒng)方法中，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的時(shí)頻特性分析主要有基于改進(jìn)D-S證據(jù)理論的網(wǎng)絡(luò)入侵檢測(cè)、融合多模式匹配算法的計(jì)算機(jī)網(wǎng)絡(luò)入侵檢測(cè)方法、改進(jìn)粗糙集屬性約簡(jiǎn)結(jié)合K-means聚類的網(wǎng)絡(luò)入侵檢測(cè)方法等[2-4]，上述分析提取了計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的譜參數(shù)，結(jié)合學(xué)習(xí)算法，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)，但上述方法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的抗干擾能力不強(qiáng)，抗強(qiáng)力隱蔽攻擊性能不好[5]，針對(duì)上述問(wèn)題，本文提出基于孤立森林算法的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)方法。首先構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)安全模型體系框架，采用特征辨識(shí)度參數(shù)分析的方法實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)特征分解，采用時(shí)頻變換和融合聚類分析方法，然后提取計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的譜特征量，對(duì)提取的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊譜特征量采用孤立森林學(xué)習(xí)算法實(shí)現(xiàn)信號(hào)特征重組和模糊聚類分析，根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的譜特征聚類分布，采用自適應(yīng)的匹配濾波和級(jí)聯(lián)相關(guān)性融合的方法，在隨機(jī)森林學(xué)習(xí)下實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征優(yōu)化檢測(cè)。最后采用仿真測(cè)試實(shí)現(xiàn)性能測(cè)試，展示了本文方法在提高計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)能力方面的優(yōu)越性能。

1 網(wǎng)絡(luò)攻擊信號(hào)建模和預(yù)處理

1.1 網(wǎng)絡(luò)攻擊信號(hào)建模

為了實(shí)現(xiàn)基于孤立森林算法的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)，首先構(gòu)建信號(hào)檢測(cè)和擬合模型，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)安全模型體系框架(圖1)。

圖1 計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)安全模型體系框架

在圖1所示的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)安全模型體系框架中，采用融合度壓縮感知的方法，分析計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)特征分量，采用模糊級(jí)聯(lián)匹配技術(shù)構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的統(tǒng)計(jì)信息[6]，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)輸出波束結(jié)構(gòu)特征分量為

ft=Wxxt+Whfht-1

(1)

式中，x表示輸入，h表示輸出，下標(biāo)t,t-1分別表示當(dāng)前時(shí)刻和上一時(shí)刻，W表示待定參數(shù)。計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)采樣時(shí)間序列s0(t),sH(t),sL(t)分別為零均值、非高斯、統(tǒng)計(jì)隨機(jī)分布序列，采用二階時(shí)域分布式檢測(cè)的方法，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的高階矩分量[7]，從而建立計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)檢測(cè)的差分融合序列，得到特征重組后的信號(hào)數(shù)輸出為

Ct=fts0(t)+(Wxc+Whc)[sH(t)-sL(t)]

(2)

采用多通道抑制和融合技術(shù)，構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的信號(hào)增強(qiáng)模型，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的殘留噪聲項(xiàng)為

(3)

計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征分布式融合的隨機(jī)離散分布序列表示為

zt=ω(Wtxt+ρ)-y(t)

(4)

式中，ρ表示計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的互功率譜密度，ω表示頻點(diǎn)信息。采用差異度融合和線性擬合的方法，建立攻擊特征檢測(cè)模型，提高計(jì)算機(jī)網(wǎng)絡(luò)攻擊信號(hào)融合能力。

1.2 攻擊信號(hào)檢測(cè)預(yù)處理

計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)為一組具有時(shí)頻耦合特征的線性隨機(jī)離散序列[8]，分析計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的差異度特征量，采用特征辨識(shí)度參數(shù)分析的方法實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)特征分解[9]，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的時(shí)頻特征點(diǎn)提取結(jié)果為

rt=(1-zt)ht-1+ztWt

(5)

采用時(shí)頻變換的方法構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的統(tǒng)計(jì)特征檢測(cè)模型，結(jié)合時(shí)域頻域轉(zhuǎn)換的方法，提取計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的時(shí)頻特征點(diǎn)，構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)在頻域和時(shí)域的沖激響應(yīng)分析模型[10]，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征融合的幅度響應(yīng)為

(6)

式中，采用多元陣列分布式融合的方法，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的融合特征參數(shù)，在特定域內(nèi)，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的自相關(guān)性特征分量為

(7)

在高斯白噪聲干擾下，分析網(wǎng)絡(luò)攻擊的稀疏項(xiàng)，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的濾波輸出為

fout=ω(∑Wtrt-1)-φ(x)

(8)

在計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的時(shí)頻特征點(diǎn)，采用隨機(jī)森林學(xué)習(xí)的方法[11]，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的量化特征分布式表示為

(9)

式中，b0表示計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征檢測(cè)的關(guān)聯(lián)系數(shù)；yi表示第i通道檢測(cè)到的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)特征分量。采用多模態(tài)隨機(jī)森林學(xué)習(xí)和粗糙集匹配[12]，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的譜特征提取輸出為

LOUT=(1-fi)log(1-bij)+L(θ)

(10)

2 計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)優(yōu)化

2.1 攻擊特征提取優(yōu)化

根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊信號(hào)的譜特征聚類分布，采用自適應(yīng)的匹配濾波方法，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的輸出頻域傳遞矩陣為

(11)

采用模態(tài)因子分析，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的自相關(guān)特征匹配函數(shù)表示為

(12)

(13)

(14)

綜上所述，實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的潛在攻擊特征提取優(yōu)化設(shè)計(jì)，根據(jù)特征提取結(jié)果進(jìn)行孤立森林學(xué)習(xí)。

2.2 網(wǎng)絡(luò)潛在攻擊檢測(cè)的孤立森林學(xué)習(xí)控制

采用差異度特征匹配，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征提取的隨機(jī)分布算子為

(15)

采用自適應(yīng)的匹配濾波和級(jí)聯(lián)相關(guān)性融合的方法，在隨機(jī)森林學(xué)習(xí)下實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征提取，得到孤立森林學(xué)習(xí)的自適應(yīng)控制函數(shù)表示為

(16)

式中，τ表示尋優(yōu)參數(shù)，βi表示孤立森林學(xué)習(xí)的模糊特征參數(shù)[14-15]，ui表示計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的干擾因素，αi表示攻擊檢測(cè)的閉環(huán)特征參數(shù)，由此得到網(wǎng)絡(luò)攻擊的關(guān)聯(lián)系數(shù)表示為

(17)

(18)

綜上分析，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)，得到檢測(cè)結(jié)構(gòu)圖(圖2)。

圖2 網(wǎng)絡(luò)攻擊檢測(cè)結(jié)構(gòu)

3 仿真實(shí)驗(yàn)分析

為驗(yàn)證上述設(shè)計(jì)的基于孤立森林算法的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)方法的實(shí)際應(yīng)用性能，設(shè)計(jì)如下仿真測(cè)試展開(kāi)檢驗(yàn)。

實(shí)驗(yàn)環(huán)境如下：采用MATLAB 7.0構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的檢測(cè)算法，并在Visual DSP++中實(shí)現(xiàn)算法的交叉編譯。計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊特征采樣的頻率為40 kHz，特征采樣點(diǎn)數(shù)為800，干擾信噪比為-24dB，離散頻譜采樣的帶寬為128 kbps。

為避免實(shí)驗(yàn)結(jié)果的單一性，將文獻(xiàn)[2]、[3]、[4]方法作為對(duì)比，與本文方法共同完成性能驗(yàn)證。

首先繪制計(jì)算機(jī)網(wǎng)絡(luò)的傳輸數(shù)據(jù)離散分布圖(圖3)。

圖3 計(jì)算機(jī)網(wǎng)絡(luò)的傳輸數(shù)據(jù)離散分布

以圖3的數(shù)據(jù)為研究對(duì)象，構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)模型，得到檢測(cè)結(jié)果(圖4)。

圖4 計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)結(jié)果

分析圖4得知，本文方法進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的特征聚類性較好，對(duì)攻擊信息的識(shí)別能力較強(qiáng)，測(cè)試計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的性能，采用2 000次Monte Carlo實(shí)驗(yàn)，得到對(duì)比結(jié)果(圖5)。

圖5 網(wǎng)絡(luò)攻擊檢測(cè)率對(duì)比曲線

分析圖5得知，本文方法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的準(zhǔn)確性較高，檢測(cè)性能較好，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊準(zhǔn)確檢測(cè)的概率提升24.6%。

4 結(jié)論與討論

通過(guò)構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)模型，結(jié)合信息處理和傳輸信道優(yōu)化控制的方法，可實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)和安全性識(shí)別。為此，本文提出基于孤立森林算法的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)方法。采用多元陣列分布式融合的方法，得到計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的融合特征參數(shù)，采用差異度融合和線性擬合的方法，建立攻擊特征檢測(cè)模型，提取計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊的譜特征量，對(duì)提取的計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊譜特征進(jìn)行聚類分析，結(jié)合孤立森林學(xué)習(xí)算法實(shí)現(xiàn)攻擊檢測(cè)。經(jīng)實(shí)驗(yàn)研究可知，本文方法對(duì)計(jì)算機(jī)網(wǎng)絡(luò)潛在攻擊檢測(cè)的準(zhǔn)確性較高。

雖然本文方法在一定程度上取得了較好的應(yīng)用效果，但由于研究時(shí)間的限制，其還存在一定的不足。在接下來(lái)的研究階段，將從提高檢測(cè)時(shí)效性的角度進(jìn)一步對(duì)本文方法展開(kāi)優(yōu)化。