面向任务的网络系统内生安全模型研究实现

来源 :东南大学 | 被引量 : 0次 | 上传用户:qwe136172081
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
聚焦即将到来的5G时代和日渐复杂的网络系统架构,虽然现有主动式安全防御技术的理论研究成果丰富,但在实际应用中仍受到传统网络架构的限制,缺乏网络设备的信息联动和实际应用环境的支撑。SDN新型网络架构是对传统网络架构的突破,但在实际应用中仍存在缺乏数据包来源和身份验证机制、缺乏数据完整性保护机制以及有限的控制粒度难以满足精确的控制需求等问题。因此,如何从根源上突破“外壳式”防御瓶颈,从根本上解决网络系统可用性与安全性之间的矛盾,构建系统功能与系统安全并举、具备“与生俱来、自主成长”安全防御能力的内生安全网络系统新架构成为未来网络系统安全的核心问题之一。本文对网络内生安全理论展开积极探索,并取得了初步的成果。本文将人体神经控制机理和SDN数控分离的网络架构思想相结合,提出了一种面向任务的内生安全网络系统模型架构。该模型将网络任务类比于反射活动,定义网络任务和单步有效执行动作,并根据网络信息交换的详细过程设计动作的细粒度划分标准和网络任务执行的异常检测规则算法。最后在小型局域网中部署搭建了面向任务的内生安全网络系统,并在该系统的FTP文件传输实验平台上进行抗攻击模拟实验测试,验证本文网络模型和任务异常检测算法的有效性。本文所做主要工作如下:(1)本文基于人体神经控制机理和SDN数控分离的网络架构思想,提出一种面向任务的网络内生安全系统模型架构,该网络模型分为数据转发层、应用和控制层、终端三大部分。其中,数据转发层包括数据转发设备和安全标签转发器,实现网络数据包的精细采样,提高数据转发层的编程扩展性。应用和控制层负责汇总终端信息、制定数据转发策略、下发数据包的转发规则等。(2)针对系统功能和系统安全分离设计带来的网络“外壳式”安全防御的防火墙深度过滤不足、入侵检测系统检测欠缺、防病毒软件识别病毒不及时等瓶颈问题,针对现有网络任务动作划分标准不一,划分粒度与任务执行安全相关性差的问题,本文将网络信息系统中的任务类比于反射活动,抽象描述信息传输活动,定义网络任务和单步有效执行动作,并根据网络信息交换的详细过程,简要设计动作的划分标准,实现与系统安全参数关联紧密的网络任务执行动作细粒度划分。进一步,本文在网络系统的各个终端设备中部署大量的安全神经元,采集网络任务执行时的动作标识序列和设备基本安全信息参数,实现终端设备的系统安全和系统功能的融合统一。(3)针对SDN架构在实际应用中缺乏数据包身份验证和数据完整性保护机制的问题,本文在IP数据包中设计增加能表明数据包身份的安全标签字段,并提出一种基于有效动作标识的异常行为检测算法,该算法包括基于匹配通信随机字节串和动作标识序列Hash摘要值的数据包身份验证和基于有限状态机的动作标识序列匹配两种安全验证机制。通过匹配和验证IP数据包的安全标签字段,实现对网络数据包的身份认证和异常动作标识检测。(4)本文设计并实现了面向任务的网络内生安全系统模型,包括硬件实现网络设备的连接和配置、运用Python语言软件编程实现各终端设备的基本功能和安全神经元,以及小型局域网中FTP文件传输系统实验平台的部署。通过在该实验平台上进行多次模拟后门攻击、DDOS/DOS攻击等抗攻击模拟实验测试,证明本文提出的内生安全模型和异常行为检测算法技术可以有效实现网络系统的主动安全防御,拦截网络恶意行为的数据包。
其他文献
学位
学位
随着物联网技术的快速发展,常见的身份认证技术如基于设备MAC地址、安全证书、身份认证指令等方式,都存在易伪冒、易被窃取的弊端。将无线设备的物理层信号特征作为设备射频指纹可以实现设备的分类与识别,这对物联网的物理层安全研究具有重要意义。本文选择LoRa设备作为研究对象,分析了LoRa信号的调制技术及其物理层帧格式,提出了3种指纹特征提取方法,并通过对8个设备进行实验,验证了所提特征的有效性和稳定性。
随着互联网的快速发展,社交媒体大大提高了信息的传播速度和传播范围。然而,社交媒体缺乏监管不受限制的特性也助长了谣言的迅速传播,网络谣言的广泛传播对公众获取真实有效的信息造成了严重的干扰,轻者影响人们对于事实的判断和认知,对个人生活造成负面影响,重者可能会造成严重的社会恐慌,影响社会的和谐稳定发展。因此准确的网络谣言检测,对于阻止谣言的广泛传播,防治网络谣言带来的危害,具有十分重要的研究价值和社会意
随着中国工信部向三大运营商发放5G(The 5th Generation,5G)商用牌照,中国正式进入5G商用元年。社会进入万物互联的时代,无线终端和数据量都呈现指数式增长,对无线通信资源的需求越来越大。大规模分布式多输入多输出(Multiple-Input and Multiple-output,MIMO)技术得到了广泛的研究,它具有显著改善系统资源配置的灵活性和大幅度提升无线资源利用率的优点。
随着移动互联网的发展,越来越多的移动应用程序(APP)在互联网上被开发和发布,各大APP应用商店也应运而生。但是现阶段网络上有诸多的含有风险的APP,它们或传播了不良信息,或侵犯用户隐私。对于网络安全分析人员来说,全面的APP信息有助于甄别APP的风险程度。每当业务人员发现一个风险APP,发现此APP的相似APP也至关重要,因为与风险APP相似的APP有极大可能存在风险。如何从大规模的APP中计算
数据挖掘能够发现数据中的潜在规则模式,为辅助决策提供支撑。聚类是数据挖掘的重要基础功能,聚类过程对业务数据的访问不可避免地带来隐私泄露问题。随着人们对个人隐私的日益重视,如何在保护数据隐私的同时实现聚类成为亟待解决的问题。差分隐私是实现隐私保护的一种有效技术,近年来得到了研究者的持续关注。针对现有基于差分隐私的聚类方法在隐私安全和聚类质量方面存在的不足,提出基于差分隐私的距离矩阵扰动方法,以及基于
随着深度学习理论的迅速发展,以及计算机硬件水平的升级,基于深度学习的通用目标检测方法研究取得重大进展,涌现出众多代表算法:YOLO、Faster RCNN和Center Net等,应用领域广泛。然而当通用的目标检测算法运用到小目标检测领域时,存在网络结构冗余、小目标检测精度较低、密集小目标漏检等现象。综合考虑实际目标检测场景中准确性和实时性的要求,本文对经典的单阶段目标检测算法YOLOv4进行研究
微表情是人类无意识产生的面部微动作,其反应了人类的真实情感状态。这使得微表情在医疗诊断、商业谈判、刑事审讯等方面具有广泛的应用。微表情具有持续时间短、强度微弱、局部发生等特点,这些特点使得人类准确识别微表情十分困难。因此,自动微表情识别成为了计算机视觉、模式识别和情感计算研究领域中一个备受关注的课题。本文针对微表情识别中的关键任务:跨领域面部微表情识别,结合微表情的自身特点和域自适应方法,围绕微表
随着互联网技术的快速发展,网络媒体成为人们发布和获取新闻信息的重要平台,同时也成为广大网民扩散和讨论新闻事件的集散地。在此背景下,舆情演化分析的研究热度逐年攀升。舆情演化分析是包括话题抽取与情感极性分析在内的多种技术的综合,其中话题抽取可以展现相关事件的话题发展脉络,情感极性分析可以展现网民对相关话题的情感极性和强烈程度。将功能相互补充的话题抽取与情感分析相结合则可以用更加全面的视角展现舆情演化信