面向网络安全态势感知的多尺度熵网络行为分析方法研究

Network Security Situation Awareness(NSSA) technologies are aimed to perform real-time monitoring and quantitative assessment of network security status and to make accurate forecast and early warning of the trends of network security. However, the NSSA technologies are characterized of weaknesses like incomplete perception,lower level of analytics, lack of mechanisms for measuring network security situation and ineffective modeling of complex network behavior. We, therefore, propose this piece of research on multi-scale entropy network behavior analysis aimming to build a mathematical model of network security situational awareness from the perspective of network behavior modeling. We firstly extend the multiscale entropy theory and then use it to analyze the structural complexity of the network behavior in multiple spatial and temporal scales for revealing the time- and space-scaling characteristics of network behavior; Secondly, the shuffling principle is leveraged to analyze the immpact between network behaviors in different network layers, for depicting the law of network behavior evolution. Finally,the network security situation awareness model based on multiscale entropy network behavior is built to find the way in which the analysis of multiscale entropy network behavior can be used in NSSA. The success of this research would provide new ideas and strengthen theoretical basis and technical reference for the further study on Network Security Situation Awareness.

网络安全态势感知（NSSA）旨在对当前的网络安全状态进行实时监测和定量评估,并对未来一段时间内的网络安全趋势做出准确预测和预警。现有网络安全态势感知方法存在感知范围片面、网络安全态势衡量机制欠缺，无法对复杂网络行为进行有效建模等问题。针对上述问题，本项目提出面向网络安全态势感知的多尺度熵网络行为分析方法研究，从网络行为学角度研究建立网络安全态势感知数学模型,提高网络安全态势感知的准确性和全面性。首先，扩展多尺度熵理论并用于分析多时空尺度网络行为结构复杂度，揭示网络行为随时空尺度变化的特征；其次，利用洗牌原理分析各层面网络行为之间的关系，揭示正常状态下网络行为逐层演化的规律；最后，建立基于多尺度熵网络行为分析的网络安全态势感知数学模型，开辟将网络行为分析方法应用于网络安全态势感知中的新途径。本项目的顺利开展将为网络安全态势感知的研究提供新思路，为深化和完善态势感知提供重要的理论依据。

随着互联网的不断发展，网络已经成为人们生活中必不可少的部分。如何保证网络安全、稳定、高效的运行成为了当前网络中迫切需要解决的问题。本研究从网络行为学角度研究建立网络安全态势感知数学模型，提高网络安全态势感知的准确性和全面性。本研究主要工作与贡献如下：首先，提出了弹性多尺度熵（Flexible Multiscale Entropy，FMSE）理论，实验结果表明弹性多尺度熵比多尺度熵和复合多尺度熵更加准确和稳定，特别是在时间序列较短、尺度因子较大的情况下，弹性多尺度熵在准确性和稳定性上有很大的提升。其次，提出了基于弹性多尺度熵的网络流量时空特性分析方法。通过对不同规模的网络进行分层网络流量的复杂性研究，研究发现在整个时间尺度上包序列的复杂度高于流序列的复杂度。字节序列的复杂度整体上高于流序列的复杂度，当网络中有大量小流存在的时候流序列的复杂度会高于字节序列的复杂度。小流对网络层次复杂度有着重要的影响。最后，建立基于多尺度熵网络行为分析的网络安全态势感知模型，开辟将网络行为分析方法应用于网络安全态势感知中的新途径。本研究为网络安全态势感知的研究提供了新思路，为深化和完善态势感知提供了重要的理论依据。