程 瑞，雷 璟，程 靜

(中國電子科技集團(tuán)公司電子科學(xué)研究院，北京 100041)

?

基于條件Shannon熵和VPRS的網(wǎng)絡(luò)攻擊策略評價方法

程 瑞，雷 璟，程 靜

(中國電子科技集團(tuán)公司電子科學(xué)研究院，北京 100041)

在回顧現(xiàn)有網(wǎng)絡(luò)攻擊評價技術(shù)的基礎(chǔ)上，指出了現(xiàn)有方法不能完全由數(shù)據(jù)驅(qū)動和不能實現(xiàn)有效攻擊規(guī)則在線提取的不足。由此，提出了一種基于條件Shannon熵和變精度粗糙集理論(VPRS)的網(wǎng)絡(luò)攻擊策略有效性評價方法，該方法完全由數(shù)據(jù)驅(qū)動。同時，綜合運(yùn)用遺傳算法和VPRS理論對有效攻擊規(guī)則進(jìn)行智能提取。并通過實例說明了該方法的有效性。此技術(shù)能夠為我國網(wǎng)絡(luò)空間安全評價及攻擊策略智能調(diào)用提供技術(shù)支撐，保障我國網(wǎng)絡(luò)空間安全。

條件熵;變精度粗糙集;網(wǎng)絡(luò)攻擊；智能調(diào)用；數(shù)據(jù)挖掘

隨著信息化水平的不斷提高，網(wǎng)絡(luò)安全的重要性日益凸顯。賽博空間安全研究具有十分重要的戰(zhàn)略意義，已經(jīng)引起了國內(nèi)多位研究者的關(guān)注[1-3]。形式多樣的網(wǎng)絡(luò)攻擊事件帶給人們的不僅是沉重的教訓(xùn)，更多的是啟示和指導(dǎo)。如何從已經(jīng)發(fā)生的攻擊事件所組成的經(jīng)驗知識庫中進(jìn)行有效的數(shù)據(jù)挖掘和分析，從攻防兩個維度對不同攻擊策略的攻擊效果進(jìn)行評價，并從中提取出針對特定目標(biāo)的高效攻擊策略是一項具有較大社會和科研價值的研究。

已有研究者在網(wǎng)絡(luò)攻擊效果評價方面做了相關(guān)工作:許多研究者使用層次分析法建立了網(wǎng)絡(luò)安全評價分析方法[4-8]，如文獻(xiàn)[4]提出了一種基于灰色層次分析法的網(wǎng)絡(luò)攻擊危害性評估指標(biāo)量化方法，但是其判斷矩陣的獲得是通過專家打分獲得的，其結(jié)果很大程度上依賴于專家個人的主觀判斷；SWILER等[9]提出了基于圖的網(wǎng)絡(luò)脆弱性評估方法，以及最小攻擊代價分析方法和最短路徑分析方法；ZAKERI等[10]提出使用描述邏輯進(jìn)行脆弱性分析，但其所提出的評價方法均僅適合于單一的、邏輯關(guān)系清晰的攻擊策略研究，并不合適處理大量攻擊數(shù)據(jù)及組合攻擊策略的效果評估?，F(xiàn)有的網(wǎng)絡(luò)攻擊效果評價研究多注重攻擊效果評價，缺少智能攻擊規(guī)則的提取[11-14]。如文獻(xiàn)[11]提出了一種基于模糊綜合評價的IMS網(wǎng)絡(luò)攻擊后果評估方法，通過實例驗證了評價方法的有效性，但該方法的輸出結(jié)果僅包括不同攻擊策略的整體效果評價，無法實現(xiàn)滿足要求的攻擊策略的快速在線提取。文獻(xiàn)[12]運(yùn)用網(wǎng)絡(luò)分析法(analytic network process, ANP)構(gòu)建評估的網(wǎng)絡(luò)結(jié)構(gòu)模型，從而對攻擊效果進(jìn)行量化的評估，但其研究也僅有評價，缺乏有效規(guī)則的提取能力。

粗糙集理論作為一種處理不確定、不完備信息的有效方法，其數(shù)據(jù)分析過程完全由數(shù)據(jù)驅(qū)動，將其與其他智能算法結(jié)合可以同時實現(xiàn)方案評價與規(guī)則提取，進(jìn)而有效克服上述研究中的不足。為此，筆者開展以下研究工作：①提出了一種基于條件Shannon熵和VPRS的網(wǎng)絡(luò)攻擊策略評價與智能調(diào)用方法。同時，創(chuàng)新性地將網(wǎng)絡(luò)攻擊的手段和效果指標(biāo)放入一個評價體系中，并考慮各級指標(biāo)之間的勾稽關(guān)系，提高了評價結(jié)果的客觀性；②為了彌補(bǔ)現(xiàn)有方法無法兼顧“評價”與“規(guī)則在線提取”的短板，融合遺傳算法和變精度粗糙集理論，提出了一種有效功能攻擊規(guī)則的智能提取及調(diào)用算法；③筆者所提出的評價方法不依賴于先前的經(jīng)驗知識，完全由數(shù)據(jù)驅(qū)動，通過計算得到每個網(wǎng)絡(luò)攻擊方案的攻擊效果的客觀評價。該方法為網(wǎng)絡(luò)智能攻擊策略的效果評價與在線智能調(diào)用提供了一種新的思路，對于提高特定目標(biāo)的網(wǎng)絡(luò)空間安全具有較高的應(yīng)用價值。

1 基于條件Shannon熵和VPRS的多因素網(wǎng)絡(luò)攻擊策略效果評價

1.1 粗糙集理論

1.2Shannon熵

SHANNON把信息熵定義為離散隨機(jī)事件的出現(xiàn)概率，其定義式如式(1)所示。信息熵可以理解為某種特定信息的出現(xiàn)概率。一個系統(tǒng)越是有序，信息熵就越低；反之，一個系統(tǒng)越是混亂，其信息熵就越高。信息熵表明了信源整體的統(tǒng)計特征，是總體的平均不確定性的量度。對于某一特定的信息源，其信息熵是唯一的。

(1)

設(shè)U為對象集合，條件屬性集C和決策屬性集D為U上的等價關(guān)系子集。C和D的等價類在U中的分布情況X、Y分別為：X=(X1,X2,…,Xm)和Y=(Y1,Y2,…,Ym)，則條件信息熵H(D|C)為在獲知C的條件下D的不確定程度，其計算公式為：

(2)

式中：P(Xi)為Xi(i=1,2,…,m)的概率；P(Yj|Xi)為在已知Xi的情況下Yj(j=1,2,…,n)的條件概率。當(dāng)對數(shù)取為2時，H(D|C)的單位為bit。

1.3 基于Shannon熵和VPRS的網(wǎng)絡(luò)智能攻擊策略評價及優(yōu)化方法

為解決現(xiàn)有網(wǎng)絡(luò)攻擊效果評價與智能決策中的問題，筆者構(gòu)建了多因素網(wǎng)絡(luò)攻擊效果綜合評價指標(biāo)體系,并提出了一種基于Shannon熵和VPRS的網(wǎng)絡(luò)智能攻擊策略評價及優(yōu)化方法，具體步驟如下：

一般而言，當(dāng)網(wǎng)絡(luò)遭受攻擊后，其安全性能會有所下降，各安全分指標(biāo)所對應(yīng)的網(wǎng)絡(luò)熵為：

(3)

式中：V1為遭受攻擊前的網(wǎng)絡(luò)安全指標(biāo)值；V2為遭受攻擊后的網(wǎng)絡(luò)安全指標(biāo)值。

總的網(wǎng)絡(luò)熵可以認(rèn)為是不同網(wǎng)絡(luò)安全評價指標(biāo)網(wǎng)絡(luò)熵的加權(quán)平均值。

(4)

綜合評價模型中的條件屬性包含了網(wǎng)絡(luò)攻擊的常用技術(shù)，總體可分為主動攻擊和被動攻擊。主動攻擊包括網(wǎng)絡(luò)阻塞、權(quán)限控制、信息偽造3個二級指標(biāo)。其中，網(wǎng)絡(luò)阻塞包括信道資源強(qiáng)占、網(wǎng)絡(luò)連接強(qiáng)占、存儲空間強(qiáng)占3個三級指標(biāo)；權(quán)限控制包括口令攻擊、腳本程序漏洞攻擊、緩沖區(qū)溢出攻擊3個三級指標(biāo)；信息偽造包括IP地址欺騙和虛假消息類欺騙兩個三級指標(biāo)。被動攻擊包括網(wǎng)絡(luò)監(jiān)聽和信息竊取兩個二級指標(biāo)。 其中，網(wǎng)絡(luò)監(jiān)聽包括基于軟件的監(jiān)聽和基于硬件的監(jiān)聽兩個三級指標(biāo)；信息竊取包括網(wǎng)絡(luò)掃描、體系結(jié)構(gòu)探測和系統(tǒng)服務(wù)信息收集3個三級指標(biāo)。具體的多因素網(wǎng)絡(luò)智能攻擊評價指標(biāo)體系如圖1所示。

圖1 基于Shannon熵和VPRS的網(wǎng)絡(luò)攻擊效果 多因素綜合評價指標(biāo)體系圖

(2)數(shù)據(jù)離散化與預(yù)處理。為確保離散結(jié)果的客觀性，筆者使用Naive Scaler 算法對原始數(shù)據(jù)表進(jìn)行離散。Naive Scaler 算法不需要額外的參數(shù)，能夠根據(jù)信息系統(tǒng)或數(shù)據(jù)庫本身進(jìn)行離散化處理。筆者使用波蘭華沙大學(xué)與挪威科技大學(xué)聯(lián)合開發(fā)的Rosetta軟件自動實現(xiàn)Naive Scaler 算法，算法對每個屬性，根據(jù)屬性值由小到大的順序?qū)Q策表中的實例進(jìn)行排序，然后進(jìn)行判斷，對于兩個相鄰實例，在屬性值和決策值均不同時，將兩個屬性值的平均值作為斷點值。該算法依據(jù)具體的條件屬性值和決策屬性值選取斷點值，忽略信息系統(tǒng)的不可區(qū)分關(guān)系，隨著數(shù)據(jù)庫本身的數(shù)據(jù)排列情況不同，得到的斷點也不相同。Naive Scaler 算法選取斷點的過程是起初設(shè)斷點集為空集，逐步增加斷點得到離散化結(jié)果。

(3)基于多級指標(biāo)的網(wǎng)絡(luò)攻擊方案評價算法。設(shè)由網(wǎng)絡(luò)攻擊方案組成對象集合U，U中又包括L個對象，b=1,2,…,L，每個對象對應(yīng)一個網(wǎng)絡(luò)攻擊方案；對象集合U中的網(wǎng)絡(luò)攻擊方案所使用的網(wǎng)絡(luò)攻擊方法組成條件屬性集合C，C包括N個二級指標(biāo)，i=1,2,…，N，每個二級指標(biāo)又包括M個三級指標(biāo)，j=1,2,…,M；網(wǎng)絡(luò)攻擊方案的攻擊效果為決策屬性D。

按照式(5)計算每個對象的攻擊效果值TC，TC越高，說明對象Ub的攻擊效果越好：

(5)

(6)

式中：Xij為對象Ub在三級指標(biāo)Cij下的決策值；ωij為三級指標(biāo)Cij對于決策屬性D的重要性權(quán)重，ωij∈[0,1]；sigCi(D)為二級指標(biāo)Ci對于決策屬性D的重要性權(quán)重；Yt為對象Ub在決策屬性D下的決策值；θt為決策屬性D對于條件屬性集合C的重要性權(quán)重；sig(Cij,D)=H(D|Li0)-H(D|Li)，表示在三級指標(biāo)集合Li中去除三級指標(biāo)Cij前后條件熵的變化值，其中Li為二級指標(biāo)Ci對應(yīng)的三級指標(biāo)集合，Li0為Li中去除三級指標(biāo)Cij后的三級指標(biāo)集合，H(D|Li)和H(D|Li0)的計算公式為：

二級指標(biāo)Ci對于決策屬性D的重要性權(quán)重sigCi(D)，按照式(7)進(jìn)行計算：

(7)

進(jìn)一步地，所述決策屬性D對于條件屬性集合C的重要性權(quán)重θt，按照式(8)進(jìn)行計算：

(8)

(4)使用變精度粗糙集(VPRS)結(jié)合遺傳算法對相關(guān)規(guī)則進(jìn)行挖掘并存入知識庫，以實現(xiàn)后續(xù)對于特定目標(biāo)有效攻擊策略的智能調(diào)用。筆者使用具有較好全局優(yōu)化能力的遺傳算法對變精度粗糙集模型進(jìn)行規(guī)則提取。遺傳算法是一種群體性操作，這種操作以群體中所有個體為對象。主要有選擇、交叉和變異3個操作算子，遺傳算法的構(gòu)成要素主要有：染色體編碼、個體適應(yīng)度評價、遺傳算子(選擇算子、交叉算子、變異算子)以及遺傳參數(shù)設(shè)置等[16]。

accuracy(β)=card({x∈U|f(x,d)=τ})

support(α·β)=card({x∈U|

對決策規(guī)則進(jìn)行篩選的標(biāo)準(zhǔn)一般是每條決策規(guī)則的支持?jǐn)?shù)(support)和覆蓋度(coverage)，支持?jǐn)?shù)即論域中屬性值與規(guī)則匹配的對象數(shù)，對象數(shù)越多，則這條規(guī)則的強(qiáng)度越大；覆蓋度用于估計決策規(guī)則的質(zhì)量，覆蓋度揭示了在滿足決策規(guī)則的決策類條件下滿足條件類的概率。為了提取有效的規(guī)則，必須剔除掉那些支持?jǐn)?shù)和覆蓋度較低的決策規(guī)則，歸納出對于決策者比較有用的決策規(guī)則。

2 算例分析

2.1 攻擊方案有效性多因素評價

為了說明上述方法的有效性，筆者針對一實例進(jìn)行分析?？紤]如下的應(yīng)用場景：為了對特定目標(biāo)A進(jìn)行網(wǎng)絡(luò)攻擊，攻擊者使用10種不同的組合攻擊策略發(fā)動了網(wǎng)絡(luò)攻擊，其中，不同組合攻擊策略包含攻擊手段的種類及強(qiáng)度均不相同，記錄了被攻擊目標(biāo)A在受到不同攻擊方案前后各項網(wǎng)絡(luò)安全關(guān)鍵指標(biāo)的變化情況，結(jié)合網(wǎng)絡(luò)熵的計算公式，計算不同組合攻擊策略的網(wǎng)絡(luò)熵，作為評價指標(biāo)體系中的決策屬性值。10種不同的組合攻擊方案及其攻擊效果所構(gòu)成的離散后的決策表如表1所示，應(yīng)用所提出的算法進(jìn)行計算分析，最終得出不同方案攻擊有效性的排序，并從中進(jìn)行規(guī)則挖掘，以提高后續(xù)攻擊的有效性。

按照前述方法，分別計算出其他各三級指標(biāo)的相對重要性權(quán)重以及各二級指標(biāo)對于決策屬性的重要性權(quán)重，計算結(jié)果如表2所示。

從表2可以看出，三級指標(biāo)中的口令攻擊在二級指標(biāo)權(quán)限控制中的相對重要性為零，三級指標(biāo)體系結(jié)構(gòu)探測在二級指標(biāo)信息竊取中的相對重要性為零，增加這兩個指標(biāo)對于完善針對目標(biāo)的網(wǎng)絡(luò)攻擊效果并無作用，因此，可以將這兩個指標(biāo)從評價指標(biāo)體系中剔除。

表1 攻擊目標(biāo)A多因素網(wǎng)絡(luò)智能攻擊策略評價決策表

表2 基于條件Shannon熵計算得出的各級指標(biāo)權(quán)重值

再按照式(5)、表1和表2，計算每個對象Ub的攻擊效果值TC。按照從大到小的順序?qū)Ω鱾€對象Ub的攻擊效果值TC進(jìn)行排列，結(jié)果如下：攻擊方案4 (6.908 6)?攻擊方案10(6.769 8)?攻擊方案5(6.635 2)?攻擊方案7(6.224 7)?攻擊方案1(6.147 8)?攻擊方案2(5.689 5)?攻擊方案6(4.605 4)?攻擊方案3(2.789 8)?攻擊方案8(2.023 9)?攻擊方案9(1.1893)。

從綜合評價結(jié)果來看，攻擊方案4較為綜合地運(yùn)用了強(qiáng)烈的主動及被動組合攻擊策略，因此，其對于目標(biāo)的攻擊效果較為顯著。而攻擊方案9則主要運(yùn)用了被動攻擊策略，因此，其攻擊效果不甚明顯。

2.2 有效攻擊方案智能調(diào)用

綜合評價的結(jié)果是為了進(jìn)行有效攻擊規(guī)則的智能調(diào)用，以便進(jìn)行知識庫的更新和有效規(guī)則挖掘。使用遺傳算法對決策表進(jìn)行數(shù)據(jù)挖掘和規(guī)則提取后，得出了53個屬性約簡和509條規(guī)則。這些規(guī)則中，有些規(guī)則具有很強(qiáng)的實用性和決策意義，有些規(guī)則卻是偶然的。所以需要對所得出的決策規(guī)則進(jìn)行提取，從而得出對于特定目標(biāo)實施有效攻擊的有效決策規(guī)則。在對所得出的規(guī)則進(jìn)行篩選之后，得出如表3所示的具有較高代表性的決策規(guī)則。

表3 由遺傳算法和VPRS提取的具有代表性的攻擊規(guī)則

3 結(jié)論

筆者提出了一種基于條件Shannon熵和變精度粗糙集理論的網(wǎng)絡(luò)攻擊策略多因素評價和智能攻擊策略調(diào)用方法。相較于傳統(tǒng)方法，基于條件Shannon熵和粗糙集理論的綜合評價方法完全由數(shù)據(jù)驅(qū)動，無需依賴于任何先驗知識，因此所得的評價結(jié)論更加客觀準(zhǔn)確。從案例分析的結(jié)論還可得出，主動攻擊、被動攻擊相結(jié)合的組合攻擊策略可以更為有效地對特定目標(biāo)進(jìn)行攻擊?；谶z傳算法和VPRS的智能攻擊規(guī)則在線獲取算法，可以自動提取滿足精度要求的攻擊策略，并將其存儲到知識庫，為后續(xù)智能攻擊調(diào)用提供指導(dǎo)。

但是，針對筆者所提出的算法在實際攻擊場景中的應(yīng)用效果，尚需通過構(gòu)建高仿真或真實的實驗環(huán)境進(jìn)行驗證；同時，如何結(jié)合云計算編制相關(guān)軟件及平臺，保證算法的快速有效運(yùn)行，實現(xiàn)網(wǎng)絡(luò)攻擊策略智能評價、決策與調(diào)用的一體化控制，這將是后續(xù)研究的重點工作。

[1] 吳巍.賽博空間與通信網(wǎng)絡(luò)安全問題研究[J].中國電子科學(xué)研究院學(xué)報，2011，6(5)：473-476.

[2] 趙捷，趙寶獻(xiàn)，王世衷.關(guān)于賽博空間與賽博空間作戰(zhàn)問題的思考[J].中國電子科學(xué)研究院學(xué)報，2011，6(3)：235-239.

[3] 仇建偉.賽博空間作戰(zhàn)研究[J].中國電子科學(xué)研究院學(xué)報，2011，6(3)：254-255.

[4] 王燮，劉孫俊，唐毅謙，等.一種基于灰色層次分析法的網(wǎng)絡(luò)攻擊危害性評估指標(biāo)量化方法[J].成都大學(xué)學(xué)報(自然科學(xué)版)，2012，31(1)：57-60.

[5] 李雄偉，于明，楊義先，等.Fuzzy-AHP法在網(wǎng)絡(luò)攻擊效果評估中的應(yīng)用[J].北京郵電大學(xué)學(xué)報，2006，29(1)：124-127.

[6] 董艷，成和平.層次分析法在合理選擇網(wǎng)絡(luò)攻擊時間中的應(yīng)用[J].四川師范大學(xué)學(xué)報(自然科學(xué)版)，2006，29(6)：756-758.

[7] 李雄偉，周希元，楊義先.基于層次分析法的網(wǎng)絡(luò)攻擊效果評估方法研究[J].計算機(jī)工程與應(yīng)用，2005，41(24)：157-159.

[8] 劉進(jìn)，王永杰，張義榮，等.層次分析法在網(wǎng)絡(luò)攻擊效果評估中的應(yīng)用[J].計算機(jī)應(yīng)用研究，2005，22(3)： 113-115.

[9] SWILER L P, PHILLIPS C. A graph-based system for network-vulnerability analysis [C]∥Proceedings of the 1998 Workshop on New Security Paradigms. New York: ACM, 1998:71-79.

[10] ZAKERI R, JALILI R, HAHRIARI H R, et al. Using description logics for network vulnerability analysis[C]∥Proceedings of the 5th International Conference on Networking. Mauritius: IEEE, 2006:78-83.

[11] 郭嚴(yán)贊，季新生，劉彩霞，等.一種基于模糊綜合評價的IMS網(wǎng)絡(luò)攻擊后果評估方法[J].計算機(jī)應(yīng)用研究， 2013，30(11)：3400-3403.

[12] 王艷莉，趙楠，王云峰.基于網(wǎng)絡(luò)分析法的網(wǎng)絡(luò)信息系統(tǒng)攻擊效果評估研究[J].科技信息，2009(15)：452-453.

[13] 孫飛顯.一種受危險理論啟發(fā)的網(wǎng)絡(luò)攻擊態(tài)勢評估方法[J].計算機(jī)工程與應(yīng)用，2012，48(2)：8-10.

[14] 鄧新穎，楊庚，姚放吾，等.基于多階段網(wǎng)絡(luò)攻擊的網(wǎng)絡(luò)風(fēng)險評估方法研究[J].計算機(jī)工程與應(yīng)用，2006，42(18)：133-135.

[15] 蔣朝哲.粗糙集理論在多屬性決策中的應(yīng)用研究[D].成都：西南交通大學(xué)，2006.

[16] 趙杰雪，豐洪才，楊琳.基于遺傳算法的多模態(tài)視頻場景分割算法[J].武漢理工大學(xué)學(xué)報(信息與管理工程版)，2015，37(6)：841-845.

CHENG Rui:Engineer; Institute of Electronic Science, China Electronics Technology Group Corporation, Beijing 100041, China.

Evaluation Method of Network Attack Strategy Based on Conditional Shannon Entropy and VPRS

CHENGRui,LEIJing,CHENGJing

Based on the literature review of existing network attack evaluation technologies, it points out that the existing methods can not be completely driven by data and can not achieve effective attack rules on-line extraction of the shortcomings. A novel network attack strategy evaluation method based on the conditional Shannon Entropy and Variable Precision Rough Set (VPRS) is put forward. This method is fully driven by input data without any priori knowledge. In addition, the effective network attack rules are derived by simultaneously using Genetic Algorithm and VPRS. A case study is presented to show the effectiveness of the proposed method. The methodology can offer a solid technological support for domestic cyberspace safety evaluation and intelligent attack rules invocation, which can guarantee the security of cyberspace in our country

conditional entropy; variable precision rough set (VPRS); network attack; intelligent invocation; data mining

2095-3852(2017)02-0162-06

A

2016-10-26.

程瑞(1987-)，男，安徽合肥人，中國電子科技集團(tuán)公司電子科學(xué)研究院工程師，博士，主要研究方向為智慧城市與網(wǎng)絡(luò)安全.

TN97;TP391

10.3963/j.issn.2095-3852.2017.02.009