检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于专家系统的高级持续性威胁云端检测博弈

计算机研究与发展 2017年第10期54卷 2344-2355页

作者：胡晴吕世超石志强孙利民肖亮中国科学院大学网络空间安全学院北京100049 物联网信息安全技术北京市重点实验室(中国科学院信息工程研究所) 北京100093 厦门大学通信工程系福建厦门361005

云计算系统是高级持续性威胁(advanced persistent threats,APT)的重要攻击目标.自动化的APT检测器很难准确发现APT攻击,用专家系统对可疑行为进行二次检测可以减少检测错误.但是专家系统完成二次检测需要花费一段额外的时间,可能导致... 详细信息

云计算系统是高级持续性威胁(advanced persistent threats,APT)的重要攻击目标.自动化的APT检测器很难准确发现APT攻击,用专家系统对可疑行为进行二次检测可以减少检测错误.但是专家系统完成二次检测需要花费一段额外的时间,可能导致防御响应延迟,而且专家系统本身也会产生误判.在综合考虑APT检测器和专家系统的虚警率和漏报率的基础上,用博弈论方法讨论在云计算系统的APT检测和防御中,利用专家系统进行二次检测的必要性.设计了一个基于专家系统的APT检测方案,并提出一个ES-APT检测博弈模型,推导其纳什均衡,据此研究了专家系统对云计算系统安全性能的改善作用.此外,当无法获得APT攻击模型时,提出了一种利用强化学习算法获取最优防御策略的方案.仿真结果表明:基于WoLF-PHC算法的动态ES-APT检测方案较之其他对照方案能够提高防御者的效用和云计算系统的安全性.

关键词：高级持续性威胁云安全专家系统博弈论强化学习

高级持续性威胁的基于脉冲控制理论的人工防御方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高级持续性威胁的基于脉冲控制理论的人工防御方法研究

作者：孙豪重庆大学

学位级别：硕士

高级持续威胁(APT)是一类极具威胁性的新型网络攻击,是网络空间安全领域的重点研究课题之一。与传统网络攻击的直接入侵不同,APT攻击者常常利用人性的弱点,通过鱼叉式钓鱼邮件等方式,诱使被攻击者将恶意软件植入自身的计算机系统,持续... 详细信息

高级持续威胁(APT)是一类极具威胁性的新型网络攻击,是网络空间安全领域的重点研究课题之一。与传统网络攻击的直接入侵不同,APT攻击者常常利用人性的弱点,通过鱼叉式钓鱼邮件等方式,诱使被攻击者将恶意软件植入自身的计算机系统,持续控制受损主机,仅仅依靠市售的APT自动响应软件很难完全防御APT攻击。聘请专业网络安全工程师人工排查APT攻击是目前非常有效的手段。如何投入APT防御过程中的人工排查成本,使得防御成本效益最大化,这已经成为APT防御研究的重点课题。当前人工APT防御研究主要集中于寻找成本有效的连续型人工APT防御策略,实用性非常有限。本学位论文运用网络传播动力学理论和最优脉冲控制理论,研究一种新颖的脉冲型人工APT防御问题。论文的主要研究内容如下:(1)脉冲型人工APT防御策略(简称IAD策略)是指在有限的离散时间点上的人工成本投入的序列,如何寻找成本有效的IAD策略称为脉冲型人工APT防御问题(简称IAD问题)。论文首先将IAD问题归约为最优脉冲控制问题(简称为IAD模型)。随后提出求解IAD模型的迭代算法,证实了算法具有收敛性和有效性。最后,研究了若干参数对算法产生的IAD策略的成本收益的影响。(2)研究了具有隔离机制的脉冲型人工APT防御问题(简称为IIAD问题)。首先,将IIAD问题归约为最优脉冲控制问题(简称为IIAD模型)。随后提出了求解IIAD模型的迭代算法,证实了算法具有收敛性和有效性,研究了若干参数对算法产生的IIAD策略的成本收益的影响。最后将IIAD模型与IAD模型进行实验对比,研究了不同参数下的模型差异。

关键词：高级持续性威胁脉冲型人工防御策略成本有效性期望状态演化模型最优脉冲控制模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高级持续性威胁中鱼叉攻击模型及检测的研究

高级持续性威胁中鱼叉攻击模型及检测的研究

作者：李文贵电子科技大学

学位级别：硕士

近年来网络攻击技术持续快速的发展使得网络安全形势变得更加严峻。高级持续性威胁的破坏性与威胁性与日俱增。鱼叉攻击是近年来提出的新概念,用来描述有针对性的网络攻击。高级持续性威胁愈加频繁地使用鱼叉攻击来对目标网络进行渗透... 详细信息

近年来网络攻击技术持续快速的发展使得网络安全形势变得更加严峻。高级持续性威胁的破坏性与威胁性与日俱增。鱼叉攻击是近年来提出的新概念,用来描述有针对性的网络攻击。高级持续性威胁愈加频繁地使用鱼叉攻击来对目标网络进行渗透。它是网络钓鱼攻击的高级形式,是社会工程学和恶意代码结合的产物,被广泛用于实施敏感数据窃取,网络设施控制。鱼叉攻击检测技术是前期防御高级持续性威胁的关键技术之一,能在主要攻击实施之前拦截并预警网络攻击。现有的鱼叉攻击相关研究较少。传统的钓鱼邮件检测技术重点放在对钓鱼网站的检测。鱼叉攻击主要通过复杂的恶意代码而不是传统的钓鱼网站来实施攻击。并且鱼叉攻击充分利用社会工程学,使得传统的钓鱼邮件特征有效性不足。因而钓鱼邮件检测技术对新型鱼叉攻击的检测性能有限。针对以上问题,本文展开了针对高级持续性威胁中鱼叉攻击的研究。主要的研究内容如下:1.总结并归纳了高级持续性威胁的特点、主要流程。分析了其中的关键技术和目前主要的防御策略。以鱼叉攻击作为主要研究内容,提出了鱼叉攻击模型。该模型刻画了鱼叉攻击的特点、形式、详细流程、关键技术。2.高级持续性威胁中鱼叉攻击样本较少并且攻击形式频繁变化,不适合通过大规模样本分析后使用监督学习技术。本文提出了一种基于异常检测的鱼叉攻击检测方法。该方法主要由三个部分组成:基于启发式规则的邮件风险性评估利用鱼叉攻击邮件特征和关键词频率评估方法从发件人、链接、文件三个方面对邮件进行风险性评价。基于文本特征的邮件分类利用邮件文本和附件的特征对邮件进行分类,实现同一类邮件具有相似的主旨和文件形式的目的。基于信誉和文件类型的邮件异常检测继承了部分钓鱼邮件的特征,并提出了信誉特征、文件类型特征等新特征,使用异常检测技术来识别异常邮件。该方法对复杂邮件数据进行分类,从而提高邮件的规律性。对每一类邮件分别构建相应的异常检测模型,结合邮件风险性评估对鱼叉邮件进行识别。3.通过仿真实验,对比分析了该方法与传统网络钓鱼检测技术对鱼叉攻击邮件的检测能力。比起其它监督学习的方法,该方法不依赖于恶意样本的数量。在正常数据量充足的条件下,能够有更好的检测效果。实验结果表明该方法能有效地识别鱼叉攻击。

关键词：高级持续性威胁鱼叉攻击异常检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高级持续性威胁中隐蔽可疑DNS行为的检测

高级持续性威胁中隐蔽可疑DNS行为的检测

作者：王晓琪吉林大学

学位级别：硕士

近年来,随着网络规模的不断发展,各种网络安全问题不断出现,其中一种复杂的多步攻击——高级持续性威胁(advanced persistent threats,APT)备受关注。该攻击危害企业、组织甚至国家安全,给目标带来了巨大的经济损失,其重要特征是攻击持... 详细信息

近年来,随着网络规模的不断发展,各种网络安全问题不断出现,其中一种复杂的多步攻击——高级持续性威胁(advanced persistent threats,APT)备受关注。该攻击危害企业、组织甚至国家安全,给目标带来了巨大的经济损失,其重要特征是攻击持续时间跨度大,在目标网络内长期潜伏。APT攻击是大型组织或者团体使用多种多样的先进技术手段对指定目标进行的有组织、有目的、隐蔽性强、持续性长的新型安全威胁。现有的安全防御措施,如防火墙,反病毒工具、入侵检测系统等,还无法有效检测APT,数据复杂性、计算复杂性和系统复杂性导致APT攻击的检测更加困难。现有研究认为通过分析APT攻击中目标网络的DNS请求,可以有效的帮助检测APT攻击。本文提取DNS请求数据中的时间相关特征,结合其余特征利用变化向量分析方法和信誉评分系统检测APT活动中隐蔽可疑的DNS行为。本文提出了一种协助检测APT的框架APDD,该框架由数据收集、数据预处理、特征提取、变化向量分析和信誉评分五组模块组成,通过分析大量的DNS请求数据检测长时间周期下APT中隐蔽可疑的DNS行为。数据收集模块收集网络内部的DNS请求数据;数据预处理模块将收集到的DNS请求数据执行数据缩减;特征提取模块从DNS请求数据中提取特征;变化向量分析模块利用变化向量分析方法(change vector analysis,CVA)和滑动时间窗口方法分析了待检测域名访问记录与现有APT相关域名之间的相似度;信誉评分模块建立了一个信誉评分系统对相似度较高的待检测域名访问记录进行打分;APDD框架最终输出一个可疑域名访问记录排名列表,可用于后续人工优先分析最可疑的记录,从而提高APT攻击的检测效率;利用一个大型校园网中收集的包含1,584,225,274条DNS请求记录的数据加入仿真攻击数据来验证框架的有效性与正确性。本文提出的检测框架APDD具有较好的灵活性和扩展性。本文提出了两种算法:数据缩减算法和CAA算法。数据缩减算法用来处理收集到的DNS请求数据,降低数据规模,提高数据的分析和处理效率;CAA算法是基于CVA方法的,用来找到与APT中DNS行为相似的域名访问记录。最后通过进行5组不同参数的实验验证框架的有效性,可以检测到仿真攻击排名在可疑域名访问记录排名列表靠前的位置。实验结果表明提出的框架可以有效的检测到APT中隐蔽可疑的DNS行为。

关键词：高级持续性威胁 DNS请求数据数据缩减变化向量分析信誉评分

高级持续性威胁远控阶段异常通信的检测技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高级持续性威胁远控阶段异常通信的检测技术研究

作者：方玮南京理工大学

学位级别：硕士

计算机与网络技术的飞速发展和广泛应用,在给人们带来便利的同时,也带来了各种安全问题。近年来,以零日渗透、极具隐蔽性和持久性控制为主要特点的高级持续性威胁(Advanced Persistent Threat,APT)已成为网络安全领域关心的最大威胁,引... 详细信息

计算机与网络技术的飞速发展和广泛应用,在给人们带来便利的同时,也带来了各种安全问题。近年来,以零日渗透、极具隐蔽性和持久性控制为主要特点的高级持续性威胁(Advanced Persistent Threat,APT)已成为网络安全领域关心的最大威胁,引起了业界和科学界的广泛重视。如何及时地发现我方网络中可能存在的APT攻击威胁,是防御APT威胁的重要问题之一。本文结合部分APT攻击案例和样本数据,针对APT攻击远控阶段的异常通信的行为特点进行了分析,在此基础上设计可实现异常远控通信检测的相关特征,并提出了应用性较强的基于机器学习的异常通信检测方法,并以该方法为核心,设计与实现了 APT攻击远控阶段异常通信的检测程序,通过实验验证了检测程序的有效性。具体来说,本文主要完成了以下工作:(1)通过对APT攻击远控阶段异常通信的深入研究,详细分析了被控主机通常利用域名生成算法(Domain Generation Algorithm,DGA)生成动态域名获取C&C服务器的IP地址的原因、DGA生成动态域名的工作原理以及与域名结构上与正常域名的不同;另一方面则从多个角度全面分析了在远控过程中,APT攻击的TCP通信行为与正常通信之间存在的差异。根据这些特点,提出了基于机器学习的异常通信检测方法。(2)根据对多种DGA动态域名和合法域名在字符特征上的分析对比,设计提取多项特征指标,并通过相关域名样本验证这些特征指标的区分能力,考虑到检测模型的精度和效率,利用特征选择算法确定了 11项用于实际检测DGA动态域名的特征指标。(3)针对远控阶段APT攻击异常TCP通信行为的特点,利用网络流量分析的方法确定了 TCP流作为特征提取源,然后设计提取了多项特征指标,并结合实际数据对这些特征指标的有效性进行分析,最后也利用特征选择算法确定了 10项最优的检测特征。(4)根据设计的特征指标,对比分析多种机器学习方法构建的检测模型的性能,最终确定DGA动态域名和异常TCP通信检测模型均为GBDT分类器。然后设计并实现APT攻击远控阶段异常通信的检测程序,该检测程序利用PFING的Libpcap接口实现对网络数据的捕获,并且设计了域名与IP白名单以降低检测程序的工作负荷和虚警率,并通过仿真实验验证了检测程序的有效性。最后,论文对全文进行了总结,并指出了下一步的研究方向。

关键词：高级持续性威胁 DGA动态域名异常通信行为机器学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高级持续性威胁的建模与分析方法研究

高级持续性威胁的建模与分析方法研究

作者：何婧瑗华中科技大学

学位级别：硕士

随着信息技术的发展,网络空间面临着越来越多的安全问题。高级持续性威胁(Advanced Persistent Threat,APT)是一类以复杂性高、针对性强、隐蔽性好为特点的网络安全问题,其危害性远远超过普通网络攻击,且传统的网络攻击模型难以对其进... 详细信息

随着信息技术的发展,网络空间面临着越来越多的安全问题。高级持续性威胁(Advanced Persistent Threat,APT)是一类以复杂性高、针对性强、隐蔽性好为特点的网络安全问题,其危害性远远超过普通网络攻击,且传统的网络攻击模型难以对其进行准确刻画及分析。因此,对APT的建模及分析方法进行研究是很有必要的。围绕APT与普通网络攻击的不同,从三个方面为APT构建模型,并基于所提出的模型对APT攻防过程及状态进行分析。首先,为了刻画APT在时间维度上的持续对抗性,构建了一种基于时间的APT攻防博弈模型APT-DCOTG,将攻防行动按照时间特性划分为离散和连续两类,将博弈的目标抽象为攻防双方对资产控制时间的争夺,并给出博弈均衡的求解算法。其次,为了量化APT攻防行动的效能这一博弈模型参数,设计了一种同时适用于APT攻击与防御行动的效能评估指标体系,引入可变模糊集对APT效能评估的不确定性进行处理,提出了一种APT效能评估模型APT-VFSEA,并给出利用该模型进行效能评估的具体方法。最后,为了刻画APT在空间维度上的复杂性与隐蔽性,构建了一种基于隐马尔可夫模型(Hidden Markov Model,HMM)的APT态势推断模型APT-HMM,并根据APT攻防行动的特点,对三种经典的HMM应用算法进行了改进。实验表明,APT-DCOTG模型及其均衡求解算法设计合理,对APT攻防对抗的刻画符合实际情况;APT-VFSEA模型对APT攻防行动效能的评估准确、高效;APT-HMM模型的参数学习算法稳定、可靠,状态分析算法和行动预测算法准确性较高。三个模型从不同的角度,全面地反映了APT的主要特点,具有一定的实用价值。

关键词：高级持续性威胁攻防博弈效能评估态势推断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

使用对抗样本加强高级持续性威胁检测

使用对抗样本加强高级持续性威胁检测

作者：吴琦吉林大学

学位级别：硕士

高级持续性威胁(Advanced Persistent Threat,简称APT)指的是由高级攻击者利用先进的攻击手段对特定目标进行持续时间长的网络攻击。基于主机的检测和基于网络的检测是两种有效检测APT攻击的方法。基于主机的检测通过检测独立主机上的... 详细信息

高级持续性威胁(Advanced Persistent Threat,简称APT)指的是由高级攻击者利用先进的攻击手段对特定目标进行持续时间长的网络攻击。基于主机的检测和基于网络的检测是两种有效检测APT攻击的方法。基于主机的检测通过检测独立主机上的恶意行为从而发现APT攻击,基于网络的检测通过发现异常的网络数据信息进而检测APT。无论是基于主机的检测还是基于网络的检测,都使用到了机器学习方法。近年来,利用机器学习方法来检测APT攻击的研究已经取得了很大进展。但目前的工作依然面临着以下问题:1.没有考虑到检测APT攻击的机器学习方法可能受到对抗样本的攻击。机器学习模型由于其过于线性化而容易受到对抗样本的攻击,进而模型无法有效检测APT。2.没有对训练出来的机器学习模型做相应的防御对抗攻击措施或增加机器学习模型的鲁棒性。现有工作训练出来的APT检测模型没有考虑到其模型可能会受到对抗样本的攻击,自然也没有考虑到如何去防御对抗样本。本文主要针对以上问题进行研究,具体工作内容如下:1.使用对抗样本攻击了APT检测模型。本文首先生成了四个采用不同机器学习方法的APT检测模型,其中效果最好的模型的F1值为0.9791。接着针对APT流量的特点,提出了在APT领域的对抗样本生成算法。利用所提出的算法,本文实现了对APT检测模型的灰盒攻击和黑盒攻击,灰盒攻击使得支持向量机模型的检测成功率从98.52%下降到1.47%,黑盒攻击效果最好的模型的检测成功率从78.26%下降到0.13%。实验结果表明,使用对抗样本能够成功攻击基于机器学习的APT攻击检测模型。2.使用对抗样本对抗训练了APT攻击检测模型。本文通过生成的对抗样本,对APT检测模型进行了对抗训练。实验结果表示,在对抗训练后,提高了支持向量机模型,随机森林模型,逻辑回归模型的成功率均提高到了99%以上,即提高了模型应对对抗攻击的能力和模型的鲁棒性。

关键词：高级持续性威胁机器学习对抗样本对抗攻击对抗训练

基于强化学习的拒绝服务和高级持续性威胁探测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于强化学习的拒绝服务和高级持续性威胁探测研究

作者：王能东南大学

学位级别：硕士

随着通信网络的广泛应用,网络的安全性越来越受到人们的重视。其中,高级持续威胁(Advanced Persistent Threats,APTs)以其持续时间长、针对性强、隐匿性强等特点,已成为国防、制造业、金融业等行业的重大安全威胁。在高级持续性威胁中,... 详细信息

随着通信网络的广泛应用,网络的安全性越来越受到人们的重视。其中,高级持续威胁(Advanced Persistent Threats,APTs)以其持续时间长、针对性强、隐匿性强等特点,已成为国防、制造业、金融业等行业的重大安全威胁。在高级持续性威胁中,攻击者可以非法进入系统并且可以保持长时间不被发现。同时拒绝服务攻击是一种使系统资源耗尽的攻击手段,拒绝服务攻击可以不断的发送数据包导致冲突和数据包重传,从而造成传感器和处理中心之间的数据丢失。另一方面,近年来随着计算机技术的提升和深度学习的发展,特别是深度神经网络在强化学习领域的成功应用,开创了强化学习发展的新的阶段。这是由于深度学习对于早期强化学习中“维度诅咒”,即高维状态和动作空间中值函数和策略表达这类等固有难题提供了新的解决方案。自此,深度强化学习成为人工智能领域的一种规范方法,引起了学术界的极大关注。这就给了探测高级持续性威胁和拒绝服务攻击提供了新的思路。本文基于深度强化学习研究高级持续性威胁和拒绝服务攻击的检测问题。主要工作如下:针对远程估计系统受到的拒绝服务攻击,通过将攻击者和防御者的关系建模成攻防博弈问题,提出基于深度强化学习的拒绝服务攻击检测方法。首先,综合考虑防御和攻击能量、以及估计误差,将信息物理融合系统的防御者和拒绝服务攻击之间的交流对抗建模为两人、零和随机博弈过程,给出了防御者和拒绝服务攻击各自的动作空间。然后,设计性能指标和博弈双方的收益函数,分析了防御者和拒绝服务攻击收益函数构成。最后,结合本文所考虑的博弈均衡概念,提出了深度强化学习方法神经虚拟自我对弈算法及实现方法来计算博弈均衡策略,并通过仿真验证了基于深度强化学习的拒绝服务攻击探测方法。针对面向系统网络的高级持续性威胁,提出了基于深度强化学习的攻击探测方法。首先引入信息流图来刻画持续性威胁,对高级持续性威胁探测中攻击者和防御者进行建模,分析了攻击者和防御者各自的目的和过程。其次提出了一种新颖的高级持续性威胁的探测模型,将防御者(动态信息追踪)和攻击者之间的对抗交互构建为一个零和随机博弈模型,给出了博弈的类型、信息结构。然后分析了博弈的状态空间以及博弈的动作空间,给出了高级持续性威胁和动态信息流追踪各自的动作空间以及转移概率,给出博弈的信息以及高级持续性威胁和动态信息流追踪各自的策略。最后分析了高级持续性威胁和动态信息流追踪的收益函数构成,提出了深度强化学习的方法来求解博弈问题。仿真结果分析表明基于深度强化学习的高级持续性威胁探测方法的有效性。

关键词：高级持续性威胁拒绝服务攻击神经虚拟自我对弈深度强化学习信息流追踪博弈论

面向高级持续性威胁的网络安全态势感知方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向高级持续性威胁的网络安全态势感知方法研究

作者：朱靖娴华中科技大学

学位级别：硕士

互联网的高速发展使网络空间遭受着愈发严峻的安全问题。其中,高级持续性威胁(Advanced Persistent Threat,APT)凭借复杂度高、隐蔽性好、针对性强、持续时间长的特点获得了大量关注,如何对APT攻击进行防御成为了重点问题。网络安全态... 详细信息

互联网的高速发展使网络空间遭受着愈发严峻的安全问题。其中,高级持续性威胁(Advanced Persistent Threat,APT)凭借复杂度高、隐蔽性好、针对性强、持续时间长的特点获得了大量关注,如何对APT攻击进行防御成为了重点问题。网络安全态势感知技术能够综合分析网络安全状态并协助开展防御措施,但现有感知方法只注重分析广度,对特定类型安全事件缺乏针对性。因此,构造一个面向APT的网络安全态势感知模型对防御APT攻击具有重要意义。围绕APT的特点,将态势感知模型分为三个模块进行构建。首先,为了解决网络安全数据来源分散、APT攻击路径数据不完善导致的态势要素提取不充分问题,设计构造APT网络安全知识图谱来存储安全数据、刻画攻击过程,实现APT安全数据的完整、高效存储。其次,为了充分考虑APT攻击对网络安全态势的影响,设计了基于知识图谱的APT安全态势评估方法,将评估过程划分为网络资产维、脆弱维、威胁维和安全维,从网络拓扑、安全漏洞、攻击开展和防御的角度全面评估APT安全态势。最后,为了对APT攻击进行及时预警,实现了基于卷积神经网络(Convolutional Neural Network,CNN)、长短期记忆神经网络(Long Short-Term Memory,LSTM)和注意力机制(Attention Mechanism)的APT安全态势预测方法,根据APT攻击的时空关联性和影响程度差异,对三种深度学习算法进行融合,有效提升了APT攻击预测的效果。实验证明,基于知识图谱的APT安全态势评估方法设计合理,能够从整体和局部精准反映APT攻击对网络态势带来的影响,实验过程中的态势变化趋势也与实际情况相匹配;基于CNN-LSTM-Attention的态势预测方法能够从空间、时间和权重分配的角度刻画APT攻击序列的完整特征,相比同类模型,预测准确率最高可提升10%以上,具有显著实用价值。

关键词：高级持续性威胁网络安全态势感知知识图谱深度学习