基于深度学习的网络安全态势系统的研究与实现

作     者：贺帆帆 

作者单位：西安石油大学 

学位级别：硕士

导师姓名：张仙伟

授予年度：2023年

学科分类：08[工学] 0839[工学-网络空间安全] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：网络安全 时间相关性 图神经网络 可视化 

摘      要：网络安全是信息化时代面临的重要问题之一,随着网络技术的不断发展和应用,网络安全面临着越来越复杂和严峻的挑战,网络攻击的手段越来越多样化和隐蔽化,网络攻击的威胁范围也越来越广泛,这给网络环境的正常运行和隐私保护带来了巨大的挑战。同时,随着大数据技术的快速发展,面向数据驱动的深度学习模型也广泛应用于交通、金融等领域,使用深度学习模型挖掘序列数据中存在的关联特征,并通过关联特征对其态势进行精准化的预测分析。立足以上背景,本文聚焦网络环境中的异常流量数据,分别从网络安全态势序列在时间维度上的依赖性以及网络行为流量特征间的空间关联特征,构建网络安全态势评估分析模型。本文的研究工作如下:(1)针对网络安全演变态势展现的时间相关性,提出一种基于时间相关性分析的网络安全演变态势分析模型,通过应用态势指标体系构建方法完成网络安全态势评估值的计算,并考虑安全态势评估值分解序列特征在时间维度上的相关性,构建基于时序分解与长短期记忆网络的网络安全态势演变特征分析模型,提取网络安全态势值在过去时段的演变规律,以实现对未来时刻的网络安全态势的评估分析。(2)针对网络安全攻击中的异常流量行为发现,提出一种基于改进图神经网络的异常流量行为检测模型,在完成以源地址与目标地址为图节点、以访问流量的属性特征为图节点间边特征的图结构数据构建后,应用改进图神经网络完成源地址与目标地址间异常网络行为的特征挖掘,以实现对异常网络行为的检测发现。(3)设计并实现网络安全态势评估分析可视化系统。为了能够以直观形式展示网络安全态势评估分析的结果。本文利用Flask框架和ECharts可视化技术,基于实际的网络行为流量数据将评估分析结果以图表形式直接展示出来。