人工智能及大數據網絡安全態勢感知

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能及大數據網絡安全態勢感知范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：企業生產運營中，面臨的信息安全威脅比較大，安全攻擊技術呈現多元化發展趨勢。企業應當積極防范風險，通過科學措施，確保網絡安全性，同時提升信息防護能力，以免企業受到安全威脅與攻擊，維護企業信息安全與隱私安全，規避風險損失。此次研究基于大數據技術和人工智能技術，分析網絡安全態勢感知，僅供參考。

關鍵詞：人工智能；大數據；網絡安全；態勢感知

在網絡安全管理中，必須全面注重策略求精問題。大部分技術人員在開展網絡安全管理時，開始引入VPN防御策略，以此強化網絡防御能力。然而在具體防御控制過程中，沒有有效融合響應、保護和監測方式，在出現復雜協同的網絡攻擊行為后，所發揮出的防御效果不佳。通過分析網絡防御策略可知，首先，策略求精方法缺失。開展網絡管理時，策略求精屬于基礎需求。主要應用VPN策略求精、訪問控制策略，無法有效融合IDS檢測和漏洞檢測等防御方式，對防御效果的影響較大。其次，不具備語義建模法。通過語義一致性，可以提升語義建模的效果。在應用策略求精方法時，需要通過手工方式實現語義分析。然而由于缺乏自動化方法，因此無法進行語義建模，還會對網絡防御目標的實現產生影響。再者，缺失語義一致性分析方法。針對策略求精來說，主要屬于推理過程。但是在推理時，未將語義作為載體，嚴重影響語義一致性。尤其是分析語義一致性時，沒有立足于概念和結構角度，無法實現語義一致性目標。此外，在應用策略求精方法時，有效性驗證的難度比較大，無法發揮出智能技術和大數據技術在網絡防御中的作用。

1信息安全態勢感知系統概況

企業管理信息安全時，多通過防御機制實現。利用防御、修復方式，能夠對網絡安全進行滲透式測試，同時評估網絡風險，盡早找尋出信息系統漏洞，通過科學有效措施修補漏洞。當發現攻擊行為時，必須及時分析網絡流量、設備日志，找尋網絡攻擊阻止方式。在應用防御措施時，必須投入大量時間和精力，相應增加心理波動。面對不同類別的信息安全，企業必須應用威脅情報技術、大數據技術、人工智能技術，建立信息安全態勢感知系統。系統核心在于應用網絡安全數據，準確分析企業內部信息安全風險，同時掌握企業現存危險，明確信息安全態勢。網絡安全數據，包括互聯網漏洞數據，威脅情報數據等。信息安全態勢感知系統，可以有效聯合企業外網數據與內網數據，準確判斷現存攻擊，同時參照資產脆弱度方面，利用風險評估模型，對網絡系統風險進行評估。注重傳輸風險因素，到達威脅態勢模塊，此時會暴露出風險。因為網絡攻擊較為高級，攻擊事件長，必須準確檢查企業內網歷史數據，尋找潛在風險隱患，利用態勢模塊展現。系統運行時，涉及較多監測搜索數據，同時要做好分析判斷，注重科學運算。因此，該系統需要建立分布式計算核心平臺。

2網絡安全態勢感知系統的關鍵技術

網絡態勢感知系統，涉及數據采集技術、數據預處理技術、數據存儲與檢索技術、數據分析技術。具體分析如下：

2.1數據采集技術

對于數據收集來說，數據層埃及量非常多，例如Web服務日志、防火墻日志、安全情報數據。其中，安全情報數據，可以通過系統識別與應用。安全情報數據，借助于云服務器，能夠更新相關內容。基于現狀發展可知，安全情報、數據支持無權威性數據。針對部分大型企業，由于數據流量較高，因此需要收集較多新內容。網絡流量鏡像數據采集難度大，必須全面提升探針容錯性，加強數據采集能力。利用測試，對系統予以優化。利用千萬兆網絡，實時采集網絡數據，通過分光器鏡像、網絡端口鏡像，將收集數據傳輸到分析平臺，便于分析數據信息。該項技術牽扯到行為特征分析、自動關聯，端口匹配。端口匹配，遵循標準對應關系，利用傳輸控制協議、無連接傳輸協議的端口識別，加快檢測速度。但是在應用期間，極易被偽造和攻擊。因此，在端口檢測結束后，必須科學分析數據。對于流量特征檢測，涉及未公開協議流量識別、標準協議流量識別。其中，標準協議流量識別，對信息、命令做出特殊要求。在分析檢測中，準確核對特有字段、狀態，確保流量識別的準確性。對于未公開協議流量識別，通過逆向分析協議法，實行解密處理，科學分析報文內特有字段，確保流量識別準確性。針對自動連接關聯，因網絡傳輸容量持續增加，利用單個連接傳輸所有數據，已經遠遠不能滿足實際需求。此時需要通過行為特征方法做好分析，密切監測數量流量鏈接個數、上下行流量比例、數據發送頻率，準確識別數據流量。

2.2數據預處理技術

網絡安全態勢感知系統，主要應用大數據技術處理數據，按照預先設計流程，確保數據處理的可靠性與精確性。在大數據技術中，Stream框架為分布式處理，擴展性較強。當集群節點比較多時，就會相應提升并發處理能力。在處理數據時，對于數據歸一、情報知識庫的依賴性強。數據歸一，主要為流量數據、設備信息。系統利用正則表達式，能夠進行歸一化處理，同時將數據轉化為常用數據，做好深層次分析和研究。針對情報知識庫，利用情報庫、知識庫關聯數據，同時提供數據參考。

2.3數據庫存和檢索

安全態勢感知系統，能夠應用到海量數據檢索中。利用搜索引擎搜索，可以實現分布式全文搜索。在搜索中，可以將分類、名稱、內容作為搜索詞。

2.4數據分析

在分析數據時，挖掘數據中潛在風險，全面做好安全防范處理工作。在此期間，可能要應用到機器學習重沙箱技術、反病毒查殺技術、惡意代碼智能檢測技術、自動化數據處理技術。對于惡意代碼，則以常規軟件、惡意軟件作為樣本，建立人工智能引擎，深入分析不同軟件的特征，同時建設可識別惡意軟件的模型，確保惡意軟件識別的準確性。對于反病毒查殺技術，在現有技術上優化，確保病毒信息、數據信息識別的準確性。針對機器學習、重沙箱技術，因系統數據采集、處理能力較強，需要高度依賴機器學習、關聯分析技術，確保數據篩選的準確性，同時提取重要信息，傳輸至人工運營團隊。對于自動化數據處理技術，態勢感知系統為智能化平臺，需要依賴人力操作，需要為專業人員提供綜合化、可信度較高的數據。建設數據自動化處理平臺，通過全貌特征，跟蹤攻擊者，及時發現潛在威脅，生成可用的威脅情報。

3人工智能與大數據技術在網絡安全態勢感知中的應用

3.1建立防御策略模型

在應用策略求精關鍵技術時，首先應當建立模型。此次研究采用三維模型建立方式。在建立模型時，必須應用系統思想、方式技術和網絡知識，通過不同方式的相互配合，可以全面確保系統工程的安全性。聯合安全機制，可以明顯提升數據庫性能、信息完整性、計算機設備性能。在應用策略求精技術時，必須確保網絡信息滿足精益化發展。為了實現以上發展目標，必須提升高層防御策略實效性。在應用期間，以服務資源要求作為基礎前提，在節點端口位置，獲取系統安全參數。如果改變參數，則無須特殊處理，能夠直接優化配置。需要注意的是，在參數配置中，涉及海量數據包、接口數據，同時牽扯到語法變換。在建立模型時，必須充分考慮到上述內容。此次研究過程中，基于CNDPR模型開展研究，將策略求精概念應用到具象化處理中。生成防御策略后，可以將其用到設備節點中，并且以可執行策略規則形式存在。通過應用該模型可以表現出明顯的主動特征，以此改變系統狀態。從形式上，可以將模型構成主體劃分為主體和節點，節點需要采用節點名稱、IP、掩碼方式生成用戶名和口令，同時改變計算機信息流。針對主體形式，主要為相同特征主體。分析系統的實際應用可知，相同特征的主體集，能夠體現出角色特征綜合體。且不同角色權限，具備較強的關聯性。針對該類綜合體，需要應用不同表達式進行描述。

3.2建立模型安全體系

重視網絡安全運行狀態分析，建設模型安全體系。在建設體系時，應當全面分析和掌握計算機特征、網絡運行狀態，增強技術應用合理性，全面提高人工智能技術、大數據技術的安全性能。模型安全體系建構時，高度重視防御策略模型。采用三維立體化概念，模型建立涉及X軸、Y軸、Z軸，其中，X軸主要是描述系統安全特性；Y軸：主要描述網絡層、應用層、物理層、傳輸層、數據鏈路層；Z軸主要是描述物理環境，包括信息網絡、信息處理、安全管理。確保模型合理的同時，全面提升安全防御效果。在建立模型期間，技術人員必須考慮到網絡安全問題，增強模型和用戶要求的吻合度。

4結束語

綜上所述，現代企業生產經營期間，必須全面保障企業內部信息安全，通過信息管理技術和管理措施，本文重點研究和分析大數據存儲、人工智能技術，優化設計態勢感知系統，同時介紹數據采集技術、信息安全保障技術、數據存儲技術。因受到多種因素影響，研究內容限制比較大，能夠促進信息安全發展，優化感知能力。

參考文獻：

[1]楊蓉.從信息安全、數據安全到算法安全——總體國家安全觀視角下的網絡法律治理[J].法學評論，2021，39（01）：131-136.

[2]楊洸，李東陽，宋旭.淺析大數據技術在公共信息安全領域的應用與發展趨勢[J].信息安全與通信保密，2020，28（12）：93-102.

[3]司鯤鵬，范銅川，樊利敏.大數據時代背景下人工智能在計算機網絡技術中的有效運用[J].電腦知識與技術，2020，16（33）：176-177.

[4]錢鵬，革遜.淺析5G時代下互聯網新技術新業態新應用安全管理難點和應對策略[C].公安部網絡安全保衛局.2020互聯網安全與治理論壇論文集.公安部網絡安全保衛局：《信息網絡安全》北京編輯部，2020：26-29.

[5]柴項羽.基于大數據及人工智能技術的計算機網絡安全防御系統設計[J].網絡安全技術與應用，2020，10（09）：52-53.

[6]何力.大數據、云計算和人工智能等新技術應用帶來的網絡安全風險[J].中國新通信，2020，22（16）：155-156.

[7]張璐.基于大數據背景下人工智能在計算機網絡技術中的應用研究[J].粘接，2020，43（07）：100-103.

作者：王曉娜 李曉宇 李芙蓉 單位：北京北信源軟件股份有限公司