基于全网攻击模型的攻击策略挖掘与危险评估

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (4): 1-4.

基于全网攻击模型的攻击策略挖掘与危险评估

王纯子1，张斌2，黄光球2

1.西安工程大学管理学院，西安 710048
2.西安建筑科技大学管理学院，西安 710055

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-01 发布日期:2012-04-05

Attack strategy digging and risk evaluation based on global network attack model

WANG Chunzi1, ZHANG Bin2, HUANG Guangqiu2

1.School of Management, Xi’an Polytechnic University, Xi’an 710048, China
2.School of Management, Xi’an University of Architecture & Technology, Xi’an 710055, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-01 Published:2012-04-05

摘要/Abstract

摘要：

针对复杂网络攻击建模的不足，提出一种基于对象Petri网的全网攻击模型。通过对精确路径和粗糙路径的定义，提出了全网攻击模型的自动生成和路径挖掘算法。攻击路径集综合反映了不完备信息下主机间的确定攻击关系和可能攻击关系，结合攻击效能和路径粗糙度指标给出了定量的网络危险评估方法。

关键词: 网络安全, 全网攻击模型, 对象Petri网, 粗糙攻击路径, 危险性评估

Abstract: Aiming at the deficiency of complex network attack model, this paper proposes a global network attack model based on object Petri net. By the definition of accurate path and rough path, an automatic generation of the model and path digging algorithm is presented. The attack path set reflects the certain and uncertain attack relationship under incomplete information. Combined with attack performance and path rough degree, a quantitative network risk evaluation method is given.

Key words: network security, global network attack model, object Petri net, rough attack path, risk evaluation

王纯子1，张斌2，黄光球2. 基于全网攻击模型的攻击策略挖掘与危险评估[J]. 计算机工程与应用, 2012, 48(4): 1-4.

WANG Chunzi1, ZHANG Bin2, HUANG Guangqiu2. Attack strategy digging and risk evaluation based on global network attack model[J]. Computer Engineering and Applications, 2012, 48(4): 1-4.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[3]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[4]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[5]	芶继军，李均华，陈晨，陈一鸣，吕奕达. 基于随机森林的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(2): 82-88.
[6]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[7]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[8]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[9]	张舒娟1，张娟2. 对等网络中被动型蠕虫传播动力学建模与分析[J]. 计算机工程与应用, 2019, 55(11): 60-66.
[10]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[11]	冯波1，郭帆2，谭素雯3. 基于IPv6的概率包标记路径溯源方案[J]. 计算机工程与应用, 2016, 52(6): 102-106.
[12]	武鲁强，王赜. 基于位置密钥的无线自组织网络的安全机制[J]. 计算机工程与应用, 2016, 52(16): 132-136.
[13]	李敏1，2，黄强1，周凌1，倪少权1. 面向对象Petri网的成品油配送模型构建研究[J]. 计算机工程与应用, 2015, 51(20): 55-61.
[14]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 一种融合多源数据的网络安全态势评估模型[J]. 计算机工程与应用, 2015, 51(17): 96-101.
[15]	黄鲁娟1，3，金光1，3，何加铭2，3，江先亮1. 防御DDoS攻击的包标记联合部署方案[J]. 计算机工程与应用, 2014, 50(5): 74-78.