面向可控云计算的恶意行为分析与管控关键技术研究

At present, cloud computing is facing severe resource abuse situation, and this has brough great security risks for the security of cyberspace and also hindered the sustained and healthy development of cloud computing. Therefore, from the perspective of malicious behavior analysis and control, this research first dig the challenges caused by various interests of cloud tenants and cloud service provider, and then presents the architecture and modle for analysising and controlling malicious behaviors. Specific research contents include the following four aspects: (1) design a monitoring and blocking mechanism for illegal acquisition of resources based on vulnerabilities of Hypervisor;(2)design a malicious process filtering model for application layer, preventing malicious process from running;(3) construct kernel integrity detection and protection mechanism, preventing malicious code from executing outside the process context;(4)propose a fine-grained source-end control model for network attack behavior, constructing a process level control mechanism. The research results of this research can provide technical support for cloud computing service providers and so on, and has important theoretical significance and practical application value to promote the full integration of cloud computing to various industries.

当前，云计算面临严峻的资源滥用形势，给网络空间安全带来了极大的安全隐患，同时也阻碍了云计算的持续健康发展。为此，本课题从恶意行为分析和管控的角度出发，深入挖掘不同恶意行为的攻击方式、途径及其影响，并在此基础上提出了分析与管控恶意行为的体系结构和有效模型，具体研究内容包括以下四个方面：（1）给出基于Hypervisor脆弱性的资源非法获取行为监测与阻断机制；（2）建立应用层恶意进程过滤模型，阻止恶意进程获得运行权限；（3）构建系统层的内核完整性检测与保护机制，阻止恶意代码在进程上下文外执行；（4）提出网络攻击行为的细粒度源头管控模型，构建进程级的细粒度管控机制。本课题的研究成果可为云计算服务提供商等提供相关技术支撑，对推动云计算向各行业全面融合渗透具有重要的理论意义与现实应用价值。

当前，云计算已经成为我国关键信息基础设施的重要组成部分。然而，其面临的使用失控等诸多安全问题已经成为阻碍云计算继续稳定健康发展的阻碍因素。本课题紧紧围绕系统软件这一可控云计算系统的核心展开研究，以对Hypervisor、Oprating System等系统软件的深刻认知为基础，设计实现了虚拟机带外恶意行为数据获取方法。在此基础上，本课题抽象出资源共享与安全隔离、资源共享与性能保持这两对矛盾，对于前者，本课题提出了计算体系结构和计算模式的创新途径，以及云计算资源安全管理机制应优先着重关注的五个方面问题。对于后者，本课题还以四类逻辑实体为资源分割实体，凝练了七种系统软件性能影响因素及八种矛盾平衡方法。最后，本课题设计了可控、安全、高效的云计算数据处理系统，一是优化了云计算数据处理系统，二是设计了数据隐私安全性可控的数据处理算法，测试发现，性能提升了1.3-18.5倍，数据隐私安全可控度也得到了有力加强。本课题的研究成果在军队、电力、金融等需求可控、安全且高效算力的行业和领域，具有重要的借鉴和参考价值。