国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于SOA架構(gòu)的M-Cache對(duì)供應(yīng)鏈安全風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究

2024-03-08 00:00:00丁曉周紅勇陳繼寧
粘接 2024年12期

關(guān)鍵詞:面向服務(wù)的架構(gòu);供應(yīng)鏈系統(tǒng);監(jiān)控緩存;檢測(cè)準(zhǔn)確率

中圖分類號(hào):TP277 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1001-5922(2024)12-0193-04

近年來,供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)已廣泛應(yīng)用于現(xiàn)代工業(yè)、農(nóng)業(yè)、機(jī)械等領(lǐng)域[1]。然而,隨著供應(yīng)鏈系統(tǒng)的大量應(yīng)用,面臨潛在的安全風(fēng)險(xiǎn),例如硬件木馬,瞬態(tài)故障,分布式拒絕服務(wù),緩沖區(qū)溢出攻擊,克隆攻擊等[2-4]。上述的數(shù)據(jù)篡改和攻擊可能導(dǎo)致系統(tǒng)功能改變,信息泄漏,服務(wù)崩潰,甚至導(dǎo)致系統(tǒng)損壞[5]。因此,迫切需要有效地解決供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的安全問題。面向服務(wù)的架構(gòu)(SOA)由于其分布式環(huán)境、服務(wù)的可重用性、服務(wù)之間松散的耦合、定義明確的公共接口和標(biāo)準(zhǔn)化的通信協(xié)議等特點(diǎn),已廣泛應(yīng)用于云計(jì)算、電網(wǎng)等關(guān)鍵領(lǐng)域[6]。且SOA可以使分布式計(jì)算和服務(wù)集成能夠跨平臺(tái)執(zhí)行[7]。而供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng),是一種利用服務(wù)發(fā)現(xiàn)并集成這些服務(wù)以執(zhí)行指定功能的彈性結(jié)構(gòu)系統(tǒng)[8]。通常供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)利用隨機(jī)存取存儲(chǔ)器(RAM)中存儲(chǔ)基本塊參考信息,由于內(nèi)存中的參考信息值是按照起始有效地址(EAstart)的升序排列的[9],而起始有效地址并不是連續(xù)的,因此從外部?jī)?nèi)存中搜索供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)中的故障參考信息將耗費(fèi)大量時(shí)間[10]。將系統(tǒng)完整性檢查與檢查點(diǎn)備份和恢復(fù)相結(jié)合,但基本塊的大小被限制在地址監(jiān)控表[11]。在完成基本塊驗(yàn)證后進(jìn)行備份是一個(gè)合理的機(jī)會(huì),并提出了基于基本塊的監(jiān)測(cè)和恢復(fù)框架[12]。基于此,本文提出利于面向服務(wù)架構(gòu),建立M-Cache的方法,以提高系統(tǒng)數(shù)據(jù)篡改攻擊檢測(cè)性能。根據(jù)基本塊的特點(diǎn)修改了指令高速緩存的數(shù)據(jù)結(jié)構(gòu),得到監(jiān)控緩存(M-Cache)的數(shù)據(jù)結(jié)構(gòu)[13]。然后驗(yàn)證供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的數(shù)據(jù)完整性,以確保實(shí)時(shí)檢測(cè)運(yùn)行系統(tǒng)。

1基于SOA架構(gòu)的M-Cache監(jiān)控緩存

1.1M-Cache監(jiān)控緩存結(jié)構(gòu)

安全監(jiān)控單元(SMU)始終監(jiān)控系統(tǒng)ID階段的指令[14]。一旦檢測(cè)到基本塊的開始指令,當(dāng)前基本塊將被發(fā)送到供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)中的監(jiān)控緩存(M-Cache)中。M-Cache將根據(jù)當(dāng)前基本塊的低位對(duì)緩存參考信息起始有效地址的監(jiān)控緩存進(jìn)行索引。索引值將與輸入的當(dāng)前基本塊進(jìn)行比較。如果監(jiān)控緩存命中,則會(huì)將存儲(chǔ)在監(jiān)控緩存RAM中,并相應(yīng)基本塊參考信息發(fā)送到安全監(jiān)控單元。否則,一旦遺漏,將通過搜索方法從外部存儲(chǔ)器讀取相關(guān)參考值[15]。如果在內(nèi)存中沒有找到這樣的起始有效地址,則表示當(dāng)前的基本塊是一個(gè)非法塊,可能是一個(gè)被篡改的基本塊。因此,將向安全監(jiān)控單元發(fā)出一個(gè)名為BBinvalid的無效信號(hào)。

代碼根據(jù)其連續(xù)地址存儲(chǔ)到供應(yīng)鏈系統(tǒng)內(nèi)存中,這樣指令高速緩存就可以在一行中緩沖多個(gè)相鄰指令,并通過這些緩沖指令的公共地址位進(jìn)行索引。相反,基本塊參考信息值是按起始有效地址的升序排列在內(nèi)存中的,并不連續(xù)。因此,基本塊參考信息只能通過緩沖參考信息的低位在M-Cache中進(jìn)行索引[16]。

1.2內(nèi)存訪問

當(dāng)M-Cache出現(xiàn)錯(cuò)誤時(shí),安全監(jiān)控單元(SMU)將訪問內(nèi)存以搜索當(dāng)前基本塊的參考信息。由于所有基本塊的起始有效地址都不是連續(xù)的,因此很難在基本塊和存儲(chǔ)在內(nèi)存中的物理地址之間提供通用的對(duì)應(yīng)關(guān)系來獲取基本塊的參考信息。二進(jìn)制搜索和插值搜索是用于檢索連續(xù)不連續(xù)數(shù)據(jù)(如基本塊參考信息)的典型算法[17]。與二進(jìn)制搜索法類似,插值搜索算法根據(jù)數(shù)據(jù)訪問比例從搜索范圍中選擇地址。每次的訪問地址按下式計(jì)算:

2結(jié)果分析與討論

2.1實(shí)驗(yàn)平臺(tái)

為了驗(yàn)證所提出的安全機(jī)制,采用基于Open?RISC-1000框架的32位處理器OR1200作為CPU核心。OR1200處理器支持五級(jí)流水線MMU、獨(dú)立的8KB指令高速緩沖存儲(chǔ)器和8KB數(shù)據(jù)緩存。此外,還為供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的并行閃存、串行端口和以太網(wǎng)等外設(shè)配置了必要的控制器。此外,使用基于OR1200的GNU工具來編譯和鏈接測(cè)試系統(tǒng),并從編譯后的程序中提取基本塊,以生成程序的完整參考信息[19]。

2.2系統(tǒng)數(shù)據(jù)檢測(cè)率

為了模擬攻擊者對(duì)供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)中3種不同數(shù)據(jù)篡改攻擊(代碼數(shù)據(jù)、內(nèi)存數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)),在每個(gè)測(cè)試程序的源文件中隨機(jī)選擇不同參數(shù),例如輸入變量和靜態(tài)變量,并修改參數(shù)的值。然后在測(cè)試平臺(tái)上運(yùn)行被篡改的程序,觀察利用SOA所構(gòu)建監(jiān)控緩存是否能夠探測(cè)到攻擊。同時(shí)攻擊次數(shù)分別設(shè)定為50、100、200、300、400次。

表1為本文提出的面向服務(wù)架構(gòu)的監(jiān)控緩存對(duì)供應(yīng)鏈中3種不同數(shù)據(jù)篡改攻擊的檢測(cè)率。

由表1可知,3種不同數(shù)據(jù)篡改攻擊的檢測(cè)率隨攻擊次數(shù)增加而降低,但下降幅度較低,最高下降幅度為1.9%,主要原因?yàn)楸O(jiān)控緩存具有足夠空間的存儲(chǔ)器來進(jìn)行大規(guī)模故障監(jiān)控。且3種不同數(shù)據(jù)篡改攻擊的檢測(cè)率均大于98%,進(jìn)一步突出SOA所構(gòu)建的監(jiān)控緩存能有效檢測(cè)到數(shù)據(jù)篡改攻擊。此外,對(duì)系統(tǒng)代碼攻擊和對(duì)內(nèi)存數(shù)據(jù)的攻擊更容易被檢測(cè),內(nèi)存數(shù)據(jù)的攻擊檢測(cè)率最大為99.6%,最小為98.6%,原因是供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)二進(jìn)制文件包含程序不使用的庫(kù)函數(shù)。即使攻擊者篡改這些函數(shù)的數(shù)據(jù),但其代碼也不會(huì)被執(zhí)行[20]。因此,監(jiān)控緩存可以檢測(cè)到代碼數(shù)據(jù)攻擊和動(dòng)態(tài)數(shù)據(jù)。而內(nèi)存數(shù)據(jù)需要從供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)內(nèi)存中提取出來并進(jìn)行檢測(cè),且系統(tǒng)篡改的基本塊不容易被發(fā)現(xiàn),會(huì)進(jìn)一步導(dǎo)致內(nèi)存數(shù)據(jù)檢測(cè)率較低,但其檢測(cè)率仍大于98.6%,可滿足實(shí)際檢測(cè)需求。

2.3系統(tǒng)單節(jié)點(diǎn)數(shù)據(jù)檢測(cè)

如果攻擊者的資源有限,則需要攻擊供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)中的單節(jié)點(diǎn)來實(shí)現(xiàn)數(shù)據(jù)纂改攻擊。因此將本文所提出的SOA所構(gòu)建的監(jiān)控緩存方法與隨機(jī)森林模型與深度學(xué)習(xí)模型進(jìn)行對(duì)比,以評(píng)估3種方法對(duì)系統(tǒng)單節(jié)點(diǎn)纂改數(shù)據(jù)檢測(cè)的準(zhǔn)確率。結(jié)果如圖1所示。

由圖1可知,監(jiān)控緩存方法具有較高的檢測(cè)準(zhǔn)確率,在訓(xùn)練次數(shù)小于80次時(shí),檢測(cè)準(zhǔn)確率均大于隨機(jī)森林模型與深度學(xué)習(xí)模型,而當(dāng)訓(xùn)練次數(shù)大于80次時(shí),檢測(cè)準(zhǔn)確率趨于穩(wěn)定變化。且由于供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的節(jié)點(diǎn)較少,不同模型的檢測(cè)結(jié)果在訓(xùn)練次數(shù)120次以上的差距較小。同時(shí)可觀察到,隨機(jī)森林模型的收斂速度比監(jiān)控緩存方法慢,監(jiān)控緩存方法的檢測(cè)準(zhǔn)確率達(dá)到99.07%,優(yōu)于隨機(jī)森林模型的98.50%,進(jìn)一步降低了漏檢率。而深度學(xué)習(xí)模型與監(jiān)控緩存方法在訓(xùn)練次數(shù)120次以后,準(zhǔn)確率較為接近,但深度學(xué)習(xí)模型在訓(xùn)練次數(shù)120次前準(zhǔn)確率較低,因此監(jiān)控緩存方法的單節(jié)點(diǎn)纂改數(shù)據(jù)檢測(cè)準(zhǔn)確率優(yōu)于隨機(jī)森林模型與深度學(xué)習(xí)模型。

2.4不同篡改數(shù)據(jù)攻擊功率對(duì)檢測(cè)結(jié)果的影響

攻擊者在供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)上進(jìn)行篡改數(shù)據(jù)攻擊時(shí),會(huì)使用不同的攻擊力,攻擊功率越小,檢測(cè)到的基本塊變化越小,攻擊不容易被發(fā)現(xiàn)。因此對(duì)不同攻擊功率對(duì)應(yīng)的檢測(cè)準(zhǔn)確率進(jìn)行研究,結(jié)果如圖2所示。

由圖2可知,隨著攻擊強(qiáng)度的增加,檢測(cè)準(zhǔn)確率也隨之提高。將攻擊功率設(shè)置為1W,檢測(cè)精度僅為56.28%,檢測(cè)效率較低,由于功率過低,供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)防護(hù)墻可直接攔截篡改數(shù)據(jù)攻擊,對(duì)系統(tǒng)影響較小。當(dāng)攻擊功率達(dá)到6W時(shí),基于SOA的監(jiān)控緩存方法具有出色的檢測(cè)效果,檢測(cè)準(zhǔn)確率為98.03%。隨著攻擊功率增大,檢測(cè)準(zhǔn)確率仍呈上升趨勢(shì),但增加趨勢(shì)較小。當(dāng)攻擊功率為10W,本文所提出的監(jiān)控緩存方法最大檢測(cè)準(zhǔn)確率為99.1%。

3結(jié)語

本文基于面向服務(wù)的架構(gòu),提出M-Cache方法,以檢查供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的數(shù)據(jù)完整性,防止數(shù)據(jù)發(fā)生篡改,影響供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)的正常運(yùn)行。實(shí)驗(yàn)結(jié)果表明,監(jiān)控緩存方法可以檢測(cè)到代碼數(shù)據(jù)攻擊和動(dòng)態(tài)數(shù)據(jù)。監(jiān)控緩存方法具有較高的檢測(cè)準(zhǔn)確率,在訓(xùn)練次數(shù)小于80次時(shí),檢測(cè)準(zhǔn)確率均大于隨機(jī)森林模型與深度學(xué)習(xí)模型,而當(dāng)訓(xùn)練次數(shù)大于80次時(shí),檢測(cè)準(zhǔn)確率趨于穩(wěn)定變化,較多的訓(xùn)練次數(shù)對(duì)監(jiān)控緩存檢測(cè)準(zhǔn)確率影響較小。隨著攻擊強(qiáng)度的增加,檢測(cè)準(zhǔn)確率也隨之提高,綜上所述,基于面向服務(wù)架構(gòu),提出的M-Cache方法,可有效檢測(cè)到篡改數(shù)據(jù)攻擊,檢測(cè)準(zhǔn)確率滿足供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警與決策系統(tǒng)實(shí)際運(yùn)行需求。

沙河市| 兴化市| 清水县| 安丘市| 镇赉县| 长治县| 昌吉市| 双牌县| 彝良县| 千阳县| 凤凰县| 油尖旺区| 德保县| 乐亭县| 昭平县| 共和县| 云霄县| 二手房| 开化县| 临清市| 冷水江市| 临澧县| 蒙自县| 定安县| 德保县| 睢宁县| 佛学| 黄梅县| 长汀县| 台北县| 沈丘县| 应用必备| 内乡县| 临猗县| 东乌| 林甸县| 石屏县| 澄城县| 岳普湖县| 海宁市| 固镇县|