胡智鋒

摘 要： 主要結(jié)合我國(guó)計(jì)算機(jī)網(wǎng)絡(luò)的相關(guān)特點(diǎn)，選擇入侵檢測(cè)技術(shù)等10個(gè)可以表征網(wǎng)絡(luò)安全的特征指標(biāo)，構(gòu)建用于網(wǎng)絡(luò)安全評(píng)級(jí)的離散型Hopfield神經(jīng)網(wǎng)絡(luò)模型。從仿真結(jié)果來(lái)看，建立的神經(jīng)網(wǎng)絡(luò)模型可以很好地對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的安全等級(jí)進(jìn)行分類(lèi)，大大提高了對(duì)網(wǎng)絡(luò)安全狀況評(píng)價(jià)和判斷的效率，對(duì)相關(guān)研究有一定的借鑒作用。

關(guān)鍵詞： 網(wǎng)絡(luò)安全等級(jí)； 財(cái)務(wù)評(píng)價(jià)； Hopfield神經(jīng)網(wǎng)絡(luò)； 入侵檢測(cè)

中圖分類(lèi)號(hào)： TN711?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）21?0092?04

Research on security grade classification of computer network

based on discrete Hopfield network

HU Zhifeng

（Wuhan Business University， Wuhan 430056， China）

Abstract： Combining with the related characteristics of the computer network， 10 characteristic indexes including the intrusion detection technology which can represent the network security were selected， and the discrete Hopfield neural network model applied to network security grading was constructed. The simulation results show that the established neural network model can classify the security grade for the computer network greatly， and improve the evaluation and judgment efficiency to the network security situation， and has certain reference function for the related research.

Keywords： network security grade； financial evaluation； Hopfield neural network； intrusion detection

0 引 言

隨著近年來(lái)迅速發(fā)展的“移動(dòng)互聯(lián)革命”，網(wǎng)絡(luò)信息技術(shù)的發(fā)展呈現(xiàn)出快速化和多樣化的特點(diǎn)，網(wǎng)絡(luò)已經(jīng)成為人們信息溝通，知識(shí)共享以及其他經(jīng)濟(jì)社會(huì)文化領(lǐng)域中重要的一部分。但隨著網(wǎng)絡(luò)正漸漸的從根本上改變?nèi)藗兊纳詈蜕a(chǎn)方式，類(lèi)似于端口掃描，口令破解，緩沖區(qū)溢出等危害網(wǎng)絡(luò)安全的攻擊也日益增多，因此如何加強(qiáng)網(wǎng)絡(luò)安全是人們十分關(guān)注的課題。

目前計(jì)算機(jī)網(wǎng)絡(luò)的應(yīng)用中較多地采用安全等級(jí)分級(jí)管理的方式，一般是根據(jù)安全評(píng)估的統(tǒng)計(jì)數(shù)據(jù)得到網(wǎng)絡(luò)的安全等級(jí)，根據(jù)安全等級(jí)采用相應(yīng)的技術(shù)手段、管理策略等實(shí)現(xiàn)網(wǎng)絡(luò)的安全應(yīng)用。因此，如何正確而迅速地判斷網(wǎng)絡(luò)的安全等級(jí)便成為維護(hù)網(wǎng)絡(luò)安全的一個(gè)重要前提。本文借鑒了過(guò)去常見(jiàn)的如專(zhuān)家判斷法，AHP層次法，模糊判別法等方法的優(yōu)缺點(diǎn)，研究了如何利用離散型Hopfield神經(jīng)網(wǎng)絡(luò)的相關(guān)理論和方法，實(shí)現(xiàn)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全等級(jí)的快速判斷。

本文的研究數(shù)據(jù)來(lái)自某網(wǎng)絡(luò)安全咨詢公司對(duì)全國(guó)不同類(lèi)型的數(shù)百個(gè)計(jì)算機(jī)網(wǎng)絡(luò)的安全性進(jìn)行的研究和評(píng)價(jià)。由于在現(xiàn)實(shí)中計(jì)算機(jī)網(wǎng)絡(luò)安全可能受到眾多因素的影響，本文根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)評(píng)價(jià)體系因具備可行性、簡(jiǎn)要性、獨(dú)立性、完備性和準(zhǔn)確性等特征，并結(jié)合我國(guó)計(jì)算機(jī)網(wǎng)絡(luò)的自身特點(diǎn)，選擇了對(duì)網(wǎng)絡(luò)安全運(yùn)行影響較為顯著的10組因子作為評(píng)價(jià)的參考指標(biāo)：即病毒防范措施（X1）、數(shù)據(jù)加密措施（X2）、系統(tǒng)漏洞檢測(cè)（X3）、信道加密狀況（X4）、網(wǎng)絡(luò)隔離狀況（X5）、訪問(wèn)控制狀況（X6）、數(shù)字簽名技術(shù)（X7）、數(shù)據(jù)備份和恢復(fù)（X8）、入侵檢測(cè)技術(shù)（X9）、系統(tǒng)安全審計(jì)（X10）?；谶@10組評(píng)價(jià)指標(biāo)，利用離散型Hopfield神經(jīng)網(wǎng)絡(luò)的分類(lèi)判斷能力，本文建立了基于離散型Hopfield神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全等級(jí)的分類(lèi)模型。

為了更好地描述樣本網(wǎng)絡(luò)的安全狀況，本文針對(duì)網(wǎng)絡(luò)安全評(píng)價(jià)的特性和評(píng)價(jià)指標(biāo)的選取特點(diǎn)將計(jì)算機(jī)網(wǎng)絡(luò)的安全狀況分為4個(gè)等級(jí)：安全（1）、基本安全（2）、危險(xiǎn)（3）、非常危險(xiǎn)（4）。

1 基于離散型Hopfield神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)評(píng)價(jià)

1.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)原理

Hopfield網(wǎng)絡(luò)是一種全連接、反饋型網(wǎng)絡(luò)，分為離散型和連續(xù)型兩種，是由美國(guó)學(xué)者J Hopfield在20世紀(jì)90年代提出的。相對(duì)于其他神經(jīng)網(wǎng)絡(luò)，Hopfield網(wǎng)絡(luò)具有系統(tǒng)穩(wěn)定性強(qiáng)、收斂迅速等特點(diǎn)。其中，離散型Hopfield網(wǎng)絡(luò)具有很強(qiáng)的計(jì)算能力和分類(lèi)效果，常被用于分類(lèi)判斷的模型中。離散型Hopfield神經(jīng)網(wǎng)絡(luò)（也稱為DHNN）是一種單層的、輸入/輸出為二值神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)的輸出狀態(tài)僅有-1和1兩種類(lèi)型。其基本網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 常見(jiàn)的離散性Hopfield網(wǎng)絡(luò)結(jié)構(gòu)

在圖1中，網(wǎng)絡(luò)的輸入為[xi，]輸出為[yi，][wij]為各層之間的閾值，網(wǎng)絡(luò)結(jié)構(gòu)共分為輸入層、隱含層和輸出層3部分。其中輸入層中的輸入變量[xi]經(jīng)過(guò)與閾值權(quán)系數(shù)[wij]的乘積求累加和，并經(jīng)非線性函數(shù)[h]處理后產(chǎn)生輸出信息[yi。]其中，[h]為整個(gè)網(wǎng)絡(luò)的閾值函數(shù)，它進(jìn)行簡(jiǎn)單的二值判斷運(yùn)算，即神經(jīng)元計(jì)算結(jié)果的值大于設(shè)定閾值，則輸出取值為1；小于閾值，則神經(jīng)元的輸出值為-1。其計(jì)算編碼方式如下：

在Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)算過(guò)程中，閾值是不斷進(jìn)行調(diào)整的，直到網(wǎng)絡(luò)尋找出各個(gè)參數(shù)特征的理想指標(biāo)，且網(wǎng)絡(luò)誤差達(dá)到設(shè)定值，網(wǎng)絡(luò)停止訓(xùn)練并輸出仿真結(jié)果。

本文在利用離散型Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)已知網(wǎng)絡(luò)系統(tǒng)進(jìn)行評(píng)價(jià)和分類(lèi)時(shí)，首先利用已知網(wǎng)絡(luò)的各個(gè)評(píng)價(jià)指標(biāo)，建立4個(gè)分類(lèi)等級(jí)所對(duì)應(yīng)的理想指標(biāo)（最佳閾值）并編碼；然后將需要評(píng)價(jià)的網(wǎng)絡(luò)的各個(gè)評(píng)價(jià)指標(biāo)輸入該網(wǎng)絡(luò)并使其不斷學(xué)習(xí)；最終Hofield神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)其聯(lián)想記憶和分類(lèi)能力趨近于某個(gè)設(shè)定的最佳閾值；當(dāng)網(wǎng)絡(luò)狀態(tài)不再改變時(shí)，網(wǎng)絡(luò)的輸出向量即為該輸入計(jì)算機(jī)網(wǎng)絡(luò)的待求分類(lèi)等級(jí)。

1.2 評(píng)價(jià)模型的建立

采用離散型Hopfield神經(jīng)網(wǎng)絡(luò)進(jìn)行財(cái)務(wù)狀況的評(píng)價(jià)和分類(lèi)研究，主要步驟如圖2所示。

1.2.1 計(jì)算理想的網(wǎng)絡(luò)安全等級(jí)評(píng)價(jià)指標(biāo)

在計(jì)算理想的網(wǎng)絡(luò)安全等級(jí)評(píng)價(jià)指標(biāo)前，需要將本文選擇的10個(gè)評(píng)價(jià)指標(biāo)進(jìn)行統(tǒng)一的數(shù)據(jù)預(yù)處理，將其歸一化為可加入統(tǒng)一分析模型中的參量，其中歸一化公式如下：

[yi=xi-min（xi）max（xi）-min（xi）， i=1，2，…，n] （3）

本文直接調(diào)用Matlab軟件中的premnmx函數(shù)進(jìn)行歸一化運(yùn)算，經(jīng)過(guò)歸一化后的評(píng)價(jià)指標(biāo)[yi]在[0，1]之間，為了便于分析，令[X1=[100g1]，]即根據(jù)大小取0～100內(nèi)的整數(shù)。

本文隨機(jī)選取樣本中的20個(gè)計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行研究。其中，該網(wǎng)絡(luò)安全公司給予其安全等級(jí)的評(píng)價(jià)及與10個(gè)安全指標(biāo)的分?jǐn)?shù)如表1所示。

將各個(gè)等級(jí)的樣本對(duì)應(yīng)的各評(píng)價(jià)指標(biāo)的均值作為各個(gè)評(píng)價(jià)等級(jí)的理想評(píng)價(jià)指標(biāo)，即作為Hopfield神經(jīng)網(wǎng)絡(luò)的分類(lèi)標(biāo)準(zhǔn)。由表1，經(jīng)計(jì)算可得如表2所示的理想評(píng)價(jià)指標(biāo)。

1.2.2 理想網(wǎng)絡(luò)安全等級(jí)評(píng)價(jià)指標(biāo)編碼

定義表2中的指標(biāo)數(shù)值進(jìn)行編碼，由于離散型Hopfield神經(jīng)網(wǎng)絡(luò)的二值性，設(shè)定編碼規(guī)則為當(dāng)大于或者等于某個(gè)等級(jí)的指標(biāo)值時(shí)，對(duì)應(yīng)的神經(jīng)元狀態(tài)設(shè)為“1”，否則設(shè)為“-1”。理想的4個(gè)網(wǎng)絡(luò)安全評(píng)價(jià)等級(jí)的指標(biāo)編碼狀況如圖3所示，其中黑圈“”表示神經(jīng)元狀態(tài)為“1”，即大于或等于對(duì)應(yīng)等級(jí)的理想評(píng)價(jià)指標(biāo)值，反之則用“○”表示。

1.2.3 待分類(lèi)的評(píng)價(jià)指標(biāo)的編碼

待分類(lèi)的網(wǎng)絡(luò)安全等級(jí)評(píng)價(jià)指標(biāo)如表3所示，根據(jù)上述的編碼規(guī)則得到對(duì)應(yīng)的編碼如圖4所示。

1.2.4 建立離散性Hopfield神經(jīng)網(wǎng)絡(luò)模型

由于本文的輸入樣本量及其維度較小，因此采用單隱含層的Hopfield神經(jīng)網(wǎng)絡(luò)即可滿足建模要求。神經(jīng)網(wǎng)絡(luò)的輸入層為評(píng)價(jià)網(wǎng)絡(luò)安全的10組參數(shù)，網(wǎng)絡(luò)的輸出層為4組，即4個(gè)不同的安全等級(jí)。本文采用試值法選擇最佳隱含層節(jié)點(diǎn)數(shù)，在試值前，通過(guò)經(jīng)驗(yàn)公式估計(jì)隱含層節(jié)點(diǎn)數(shù)的范圍為3～12間的整數(shù)。

采用均方誤差（MSE）作為檢查網(wǎng)絡(luò)性能的依據(jù)，均方根誤差由下式確定：

1.2.5 仿真結(jié)果分析

在離散性Hopfield神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型建立完畢后，將待分類(lèi)的5個(gè)計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)的安全評(píng)價(jià)指標(biāo)輸入網(wǎng)絡(luò)中。經(jīng)過(guò)一定次數(shù)的學(xué)習(xí)，即可得到安全等級(jí)的分類(lèi)結(jié)果，將仿真結(jié)果與該機(jī)構(gòu)的評(píng)價(jià)結(jié)果進(jìn)行對(duì)比，即可對(duì)該模型的準(zhǔn)確性進(jìn)行評(píng)價(jià)。本文定義模型的期望誤差為10-4。在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中，模型的誤差下降情況如圖5所示。

將Hopfield神經(jīng)網(wǎng)絡(luò)的分類(lèi)結(jié)果與該網(wǎng)絡(luò)安全公司的分析結(jié)果對(duì)比可知，Hopfield神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確率達(dá)到了100%，經(jīng)過(guò)訓(xùn)練的Hopfield神經(jīng)網(wǎng)絡(luò)可以快速地對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的安全狀態(tài)進(jìn)行判斷和分級(jí)，大大提高了網(wǎng)絡(luò)安全等級(jí)的效率。

2 結(jié) 語(yǔ)

本文利用Hopfield神經(jīng)網(wǎng)絡(luò)的相關(guān)理論和方法，結(jié)合我國(guó)計(jì)算機(jī)網(wǎng)絡(luò)安全維護(hù)工作中的一些特點(diǎn)，構(gòu)建了一套基于Hopfield神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全狀況分類(lèi)評(píng)價(jià)模型。從仿真結(jié)果與實(shí)際結(jié)果的對(duì)比來(lái)看，該模型具有很高的識(shí)別精度?？梢钥焖俣鴾?zhǔn)確地對(duì)網(wǎng)絡(luò)安全等級(jí)進(jìn)行評(píng)價(jià)和分類(lèi)，該方法為評(píng)價(jià)計(jì)算機(jī)網(wǎng)絡(luò)的安全狀況和危險(xiǎn)程度提供了一種新的思路。

參考文獻(xiàn)

[1] 李劍英.基于人工神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)和安全防范措施的研究[D].蘭州：蘭州大學(xué)，2003.

[2] 周飛.網(wǎng)絡(luò)風(fēng)險(xiǎn)及其評(píng)價(jià)[D].成都：西南交通大學(xué)，2009.

[3] 林小狄.神經(jīng)網(wǎng)絡(luò)技術(shù)在網(wǎng)絡(luò)安全評(píng)價(jià)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2011（8）：31?33.

[4] 林楠芳.基于離散型Hopfield神經(jīng)網(wǎng)絡(luò)的分類(lèi)性價(jià)模型研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005（12）：854?857.

[5] 飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與Matlab 7實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2006.

[6] 李忠武，陳麗清.計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2014，37（10）：80?82.