北京邮电大学学报 ›› 2019, Vol. 42 ›› Issue (3): 64-71.doi: 10.13190/j.jbupt.2018-268
基于深度信念网络的端信息跳变模式自适应策略
石乐义1,2, 李剑蓝1, 郭宏彬1, 马猛飞1, 陈鸿龙3
- 1. 中国石油大学(华东) 计算机与通信工程学院, 青岛 266580;
2. 广西密码学与信息安全重点实验室, 桂林 541000;
3. 中国石油大学(华东) 信息与控制工程学院, 青岛 266580
-
收稿日期:
2018-10-31出版日期:
2019-06-28发布日期:
2019-06-20 -
作者简介:
石乐义(1975-),男,教授,E-mail:shileyi@upc.edu.cn. -
基金资助:
山东省自然科学基金项目(ZR201808160254);广西密码学与信息安全重点实验室研究课题(GCIS201811);国家自然科学基金项目(61772551)
Research on Adaptive Strategy of End Hopping System Based on Deep Belief Nets
SHI Le-yi1,2, LI Jian-lan1, GUO Hong-bin1, MA Meng-fei1, CHEN Hong-long3
- 1. College of Computer and Communication Engineering, China University of Petroleum(East China), Qingdao 266580, China;
2. Guangxi Key Laboratory of Cryptography and Information Security, Guangxi 53000, China;
3. College of Information and Control Engineering, China University of Petroleum(East China), Qingdao 266580, China
-
Received:
2018-10-31Online:
2019-06-28Published:
2019-06-20
摘要: 针对端信息跳变主动防御技术中跳变策略单一的问题,将多样异构的跳变模式引入端信息跳变系统,拓展了端信息的定义,并给出跳变策略的自适应调整方案.提出一种基于深度信念网络的端信息跳变自适应模型,形式化地描述了模型中数据收集、特征提取和状态预测等过程,定义了端信息跳变网络状态特征指标,并建立了特征数据集.利用深度信念网络对数据集进行建模,利用马尔可夫链预测下一周期的网络状态,并根据预测结果选取异构的跳变模式,从而实现端信息跳变模式的自适应变化.实验结果显示,模型网络状态识别和预测具有较高的准确性,并且异构的跳变策略能够有效抵御不同的攻击类型,进而验证了端信息跳变自适应模型的有效性和安全性.
中图分类号:
引用本文
石乐义, 李剑蓝, 郭宏彬, 马猛飞, 陈鸿龙. 基于深度信念网络的端信息跳变模式自适应策略[J]. 北京邮电大学学报, 2019, 42(3): 64-71.
SHI Le-yi, LI Jian-lan, GUO Hong-bin, MA Meng-fei, CHEN Hong-long. Research on Adaptive Strategy of End Hopping System Based on Deep Belief Nets[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(3): 64-71.
[1] 石乐义, 贾春福, 吕述望.基于端信息跳变的主动网络防护研究[J].通信学报, 2008, 29(2):106-110.Shi L Y, Jia C F, Lv S W.Research on end hopping for active network confrontation[J].Journal on Communications, 2008, 29(2):106-110. [2] Jajodia S, Ghosh A K, Swarup V, et al.Moving target defense:creating asymmetric uncertainty for cyber threats[M].[s.l.]:Springer Science & Business Media, 2011:99-107. [3] Venkatesan S, Albanese M, Amin K, et al.A moving target defense approach to mitigate DDoS attacks against proxy-based architectures[C]//IEEE Conference on Communications and Network Security (CNS).[S.l.]:IEEE, 2016:198-206. [4] Wang S, Zhang L, Tang C.A new dynamic address solution for moving target defense[C]//Information Technology, Networking, Electronic and Automation Control Conference, IEEE, 2016:1149-1152. [5] 邬江兴.网络空间拟态防御研究[J].信息安全学报, 2016, 1(4):1-10.Wu J.Research on cyber mimic defense[J].Journal of Cyber Security, 2016, 1(4):1-10. [6] Hu H, Wu J, Wang Z, et al.Mimic defense:a designed-in cyber security defense framework[J].IET Information Security, 2018, 12(3):226-237. [7] 仝青, 张铮, 张为华, 等.拟态防御Web服务器设计与实现[J].软件学报, 2017, 28(4):883-897.Tong Q, Zhang Z, Zhang W H, et al.Design and implementation of mimic defense Web server[J].Journal of Software, 2017, 28(4):883-897. [8] 王禛鹏, 扈红超, 程国振.一种基于拟态安全防御的DNS框架设计[J].电子学报, 2017(11):2705-2714.Wang Z P, Hu H C, Cheng G Z.A DNS architecture based on mimic security defense[J].Acta Electronica Sinica, 2017(11):2705-2714. [9] 雷程, 马多贺, 张红旗, 等.基于网络攻击面自适应转换的移动目标防御技术[J].计算机学报, 2018(5):1110-1131.Lei C, Ma D H, Zhang H Q, et al.Moving target defense technique based on network attack surface self-adaptive mutation[J].Chinese Journal of Computers, 2018(5):1110-1131. [10] Ma D, Lei C, Wang L, et al.A self-adaptive hopping approach of moving target defense to thwart scanning attacks[C]//International Conference on Information and Communications Security.Springer, Cham, 2016:39-53. [11] 赵春蕾.端信息跳变系统自适应策略研究[D].南开大学, 2012. [12] 刘江, 张红旗, 代向东, 等.基于端信息自适应跳变的主动网络防御模型[J].电子信息技术学报, 2015, 37(11):2642-2649.Liu J, Zhang H Q, Dai X D, et al.A proactive network defense model based on self adaptive end hopping[J].Journal of Electronics & Information Technology, 2015, 37(11):2642-2649. [13] Hinton G E, Osindero S, Teh Y W.A fast learning algorithm for deep belief nets[J].Neural Computation, 2006, 18(7):1527-1554. [14] 邹国锋, 傅桂霞, 王科俊, 等.自适应深度卷积神经网络模型构建方法[J].北京邮电大学学报, 2017, 40(4):98-103.Zou Guofeng, Fu Guixia, Wang Kejun, et al.Construction method of adaptive deep convolutional neural network model[J].Journal of Beijing University of Posts and Telecommunications, 2017, 40(4):98-103. [15] Lu N, Li T, Ren X, et al.A deep learning scheme for motor imagery classification based on restricted boltzmann machines[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2017, 25(6):566-576. [16] Salah K, Kahtani A.Performance evaluation comparison of snort NIDS under Linux and Windows server[J].Journal of Network & Computer Applications, 2010, 33(1):6-15. [17] 温晓.基于端信息跳扩混合的主动网络防御研究[D].中国石油大学(华东), 2017. |
[1] | 章晨宇 温向明 陈亚文. 蜂窝移动网络低成本高精度授时[J]. 北京邮电大学学报, 2023, 46(1): 103-108. |
[2] | 郭令奇 褚智贤 廖建新 王敬宇 陆璐. 意图驱动的自智网络资源按需服务[J]. 北京邮电大学学报, 2022, 45(6): 85-91. |
[3] | 初星河, 路兆铭, 王鲁晗, 武穆清, 温向明. 多径信号辅助的网联车辆无线协作定位[J]. 北京邮电大学学报, 2021, 44(2): 116-123. |
[4] | 张天魁, 王筱斐, 杨立伟, 杨鼎成. 移动网络SFC部署与计算资源分配联合算法[J]. 北京邮电大学学报, 2021, 44(1): 7-13. |
[5] | 吕廷杰, 宋罗娜, 滕颖蕾, 丰业媛. 面向生态可持续的下一代通信网络架构与评价体系[J]. 北京邮电大学学报, 2020, 43(6): 18-26,35. |
[6] | 何建华, 赵辉, 徐晓斌, 闫蕾, 王尚广. 基于改进双层LT码的天基物联网数据收集方法[J]. 北京邮电大学学报, 2020, 43(6): 118-125. |
[7] | 马璐, 刘铭, 李超, 路兆铭, 马欢. 面向6G边缘网络的云边协同计算任务调度算法[J]. 北京邮电大学学报, 2020, 43(6): 66-73. |
[8] | 管婉青, 张海君, 路兆铭. 基于DRL的6G多租户网络切片智能资源分配算法[J]. 北京邮电大学学报, 2020, 43(6): 132-139. |
[9] | 罗轶, 王雨婷, 施荣华, 严梦纯, 曾豪. 能量采集衬底式认知协作中继网络安全中断概率分析[J]. 北京邮电大学学报, 2020, 43(3): 105-111,124. |
[10] | 李君瑶, 常永宇, 曾天一. 大规模3D MIMO中基于信道相关的LOS/NLOS识别算法[J]. 北京邮电大学学报, 2020, 43(1): 1-7. |
[11] | 蒋芳, 张南飞, 胡艳军, 王翊. 基于BP神经网络的CSI无源目标分类方法[J]. 北京邮电大学学报, 2020, 43(1): 40-45. |
[12] | 任佳智, 田辉, 聂高峰. 基于本地内容流行度预测的主动缓存策略[J]. 北京邮电大学学报, 2020, 43(1): 80-91. |
[13] | 徐九韵, 孙忠顺, 张如如. 基于链路预测的手机节能方法[J]. 北京邮电大学学报, 2020, 43(1): 8-13,27. |
[14] | 李晓辉, 杜洋帆, 石潇竹, 杨胥. 基于信道模糊关联识别的NLOS测距误差补偿算法[J]. 北京邮电大学学报, 2020, 43(1): 21-27. |
[15] | 李鹏, 王德勇, 师文喜, 姜志国. 大数据环境下基于深度学习的行人再识别[J]. 北京邮电大学学报, 2019, 42(6): 29-34. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||