楊迎 韋立蓉

(北京信息職業(yè)技術(shù)學院,北京 100018)

0 引言

Python是一種可實現(xiàn)跨平臺交互的計算機編程語言,也是面向?qū)ο蟮慕忉屝耘c互動性腳本類語言,此技術(shù)在提出的初期階段,通常被用于編譯自動化腳本程序,但隨著計算機技術(shù)的不斷更新,技術(shù)可執(zhí)行的語言功能也越來越多。目前,Python技術(shù)已被廣泛地應用到計算機網(wǎng)站開發(fā)、人工智能、平臺后端管理等領(lǐng)域中[1]。DHCP是當前網(wǎng)絡應用層python語句中常見的局域網(wǎng)網(wǎng)絡協(xié)議,其主要應用原理是通過計算機服務器對一段IP地址范圍內(nèi)的各類子網(wǎng)掩碼、IP地址等進行分配。通常情況下,DHCP會看作為Windows Server當中的一個重要組件,并不會直接安裝在系統(tǒng)當中,需要通過管理人員以及技術(shù)人員通過引入必要的配置完成手動安裝[2]。因此由于人為因素以及其運行因素的雙方面影響,DHCP的異?，F(xiàn)象十分常見。并且,當DHCP發(fā)生異常問題時,若沒有有效的檢測技術(shù),沒有及時地找出異常問題的發(fā)生原因,未及時進行處理,則將會嚴重影響網(wǎng)絡運行環(huán)境,甚至造成更加嚴重的危害?；诖?本文開展網(wǎng)絡應用層python語句的DHCP異常檢測技術(shù)研究。

1 網(wǎng)絡應用層python語句的DHCP異常檢測技術(shù)設計

1.1 網(wǎng)絡應用層python語句敏感數(shù)據(jù)抓取

當計算機按照DHCP動態(tài)主機配置協(xié)議中的相應指令進行對網(wǎng)絡應用層python語句中敏感數(shù)據(jù)抓取時,可將敏感數(shù)據(jù)作為判斷DHCP異常的重要依據(jù)。在此過程應按照標準的數(shù)據(jù)統(tǒng)計方法,采用隨機指定計算機網(wǎng)絡文本信息域名的方式,對網(wǎng)絡應用層python語句中的敏感數(shù)據(jù)進行抓取。

為保證抓取敏感數(shù)據(jù)的準確性,Markov技術(shù)對網(wǎng)絡應用層python語句中的DHCP協(xié)議文本信息進行處理。在這一過程中,將語句中的文本信息劃分為多個計算機字符,同步處理中的字符串匹配分詞[3]。假設抓取的文本信息中一串完整的字符串最長詞條包含字符數(shù)量為i個,便可直接使用Markov模型進行正向最大匹配。結(jié)合Markov模型中的語言技術(shù)實現(xiàn)對文本的自動分詞,按照編程瀏覽順序依次輸出j個字符。將這j個字符看作是一個字符串,與對應的程序抓取信息進行比較,若該字符串當中所有字符均與相應的文本匹配,則說明通過將網(wǎng)絡應用層python語句詞條分離處理后的詞條為正常運行結(jié)果。若存在與語句詞條信息不匹配的字符或字符串,可認為該語句當中含有易造成DHCP出現(xiàn)異常的敏感數(shù)據(jù)。將上述論述的抓取流程以公式(1)表示:

公式(1)中:ip表示為抓取過程中網(wǎng)絡應用層python語句所在的網(wǎng)絡頁面域名位置;if表示為Python語句敏感數(shù)據(jù)判別條件;n表示為敏感數(shù)據(jù)抓取次數(shù);T表示為網(wǎng)絡應用層頁面更新時間;λ表示為DHCP動態(tài)主機配置協(xié)議中的數(shù)據(jù)量。結(jié)合上述公式(1)按照一定的抓取順序進行匹配[4]。若匹配成功,則說明該組python語句當中不存在引發(fā)DHCP協(xié)議異常的敏感數(shù)據(jù),進行對下一組python語句中敏感數(shù)據(jù)的抓取。若匹配失敗,則說明該組python語句當中存在引發(fā)DHCP協(xié)議異常的敏感數(shù)據(jù),將數(shù)據(jù)導出。最后按照網(wǎng)絡應用層Python語句對內(nèi)容的編譯順序,重復上述操作,直到完成對所有語句中敏感數(shù)據(jù)的抓取。

表1 兩種異常檢測技術(shù)實驗結(jié)果對比表Tab.1 Comparison of experimental results of two anomaly detection technologies

1.2 DHCP漏洞異常問題檢測

在完成對網(wǎng)絡應用層python語句敏感數(shù)據(jù)抓取后,針對存在敏感數(shù)據(jù)的python語句,進行針對性的漏洞異常問題檢測。

首先,選用標準DHCP動態(tài)主機配置協(xié)議作為檢測依據(jù),構(gòu)建目標函數(shù),將抓取到的敏感數(shù)據(jù)帶入到函數(shù)當中,利用函數(shù)對DHCP協(xié)議是否存在異常問題進行檢測。將最高運行效率作為函數(shù)建立的目標,持續(xù)解析敏感數(shù)據(jù)源,并按照數(shù)據(jù)的發(fā)生節(jié)點與所屬域名,進行節(jié)點關(guān)系的匹配。

其次,在候選的網(wǎng)絡應用層python語句當中進行糾錯,按照數(shù)據(jù)分類標準,在整體DHCP協(xié)議當中抓取敏感數(shù)據(jù)的基礎上,評估此語句與抓取信息的關(guān)聯(lián)度[5]。在此基礎上,同步進行目標序列的標準,假定δ表示為DHCP協(xié)議中的一個隨機變量,對此變量進行判斷的過程可用如公式(2)表示。

公式(2)中:s表示為面向DHCP協(xié)議的隨機場景模型;c表示為敏感數(shù)據(jù)發(fā)生改變引發(fā)漏洞異常的隨機概率;o表示為機器學習算法函數(shù);z表示為識別信息的有效性參數(shù);p表示為敏感數(shù)據(jù)在網(wǎng)絡應用層中的所屬域名。根據(jù)公式(2)計算,得出敏感數(shù)據(jù)在網(wǎng)絡應用層當中的所屬域名。再在DHCP協(xié)議中建立空間場景,采用隨機指定語句中信息域名的方式,檢驗識別信息的有效性[6]。在此過程中,輸入給定節(jié)點數(shù)據(jù)作為維護條件,在網(wǎng)絡應用層的觀測序列上進行概率節(jié)點輸出。

同時,再使用文檔對象模型技術(shù)網(wǎng)絡應用層中敏感性數(shù)據(jù)的采集,根據(jù)網(wǎng)絡應用層域名的識別,進行敏感數(shù)據(jù)有效性的校驗。假設這一過程中的目標函數(shù)為:

公式(3)中:K表示為定位的敏感數(shù)據(jù)目標;l表示為python語句字段長度;L表示為敏感數(shù)據(jù)字段長度;γ表示為造成DHCP協(xié)議出現(xiàn)異常漏洞字節(jié);θ表示為網(wǎng)絡應用層的空間維度。根據(jù)公式(3)計算,得出造成DHCP協(xié)議出現(xiàn)異常漏洞時的敏感數(shù)據(jù),從檢測合理性角度出發(fā),參照網(wǎng)絡應用層域名地址,進行詞匯的空間描述[7]。將描述結(jié)果作為DHCP協(xié)議是否存在異常的結(jié)論,以此完成對DHCP協(xié)議的異常檢測。

2 實驗論證分析

為驗證本文異常檢測技術(shù)在實際應用中的有效性,提出如下對比實驗,選擇某運行網(wǎng)站作為實驗環(huán)境,建立相應的網(wǎng)絡引擎檢索,分別利用本文提出的異常檢測技術(shù)和傳統(tǒng)檢測技術(shù)對網(wǎng)絡應用層python語句中的DHCP異常情況進行檢測。設置該實驗環(huán)境以24h作為一個運行周期,該網(wǎng)站當中共包含350個有效數(shù)據(jù),其中規(guī)定敏感數(shù)據(jù)為125個,引發(fā)DHCP異常的敏感數(shù)據(jù)為100個,將引起異常的敏感數(shù)據(jù)命名為異常數(shù)據(jù),對比兩種檢測方法檢測到的異常數(shù)據(jù)個數(shù)。將上述實驗結(jié)果進行記錄,并繪制成如表1所示的實驗結(jié)果對比表。

根據(jù)表1中的數(shù)據(jù)得出,本文技術(shù)檢測到異常數(shù)據(jù)個數(shù)明顯高于傳統(tǒng)技術(shù)檢測到異常數(shù)據(jù)個數(shù),并且本文技術(shù)可將網(wǎng)絡應用層python語句中全部引起DHCP異常的異常數(shù)據(jù)找出,檢測到的異常數(shù)據(jù)越多證明檢測精度越高,檢測結(jié)果越準確。因此,通過實驗證明,本文提出的DHCP異常檢測技術(shù)具有更高的檢測精度,能夠及時發(fā)現(xiàn)DHCP異?，F(xiàn)象,為后續(xù)DHCP協(xié)議維護提供充足條件。

3 結(jié)語

針對當前網(wǎng)絡應用層安全問題,開展DHCP異常檢測技術(shù)研究,通過本文上述論述提出一種全新的檢測方法,并將其應用到實際具有良好的檢測效果,為網(wǎng)絡應用層安全提供保障。