基于SCIT的移动目标防御系统分析研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (20): 96-99.

基于SCIT的移动目标防御系统分析研究

齐晓霞1，2，黄俊2，蒋凡2

1.安徽新华学院信息工程学院，合肥 230088
2.中国科学技术大学计算机科学与技术学院，合肥 230026

出版日期:2014-10-15 发布日期:2014-10-28

Moving target defense system analyze and research based on SCIT

QI Xiaoxia1，2, HUANG Jun2, JIANG Fan2

1.College of Information Engineering, Anhui Xinhua University, Hefei 230088, China
2.College of Computer Science and?Technology, University of Science and Technology of China, Hefei 230026, China

Online:2014-10-15 Published:2014-10-28

摘要/Abstract

摘要： 移动目标防御技术是近年来美国科学技术委员会提出的网络空间“改变游戏规则”的革命性技术之一。在SCIT模型基础上，提出一种基于服务器切换和清洗的移动目标防御系统，通过引入软件的多样性、系统的随机性和不可预测性使防护对象机动化，以改进其安全性。实验结果表明，改进后系统对攻击者的要求更高，系统被入侵的概率显著降低，系统安全性得到进一步提升。

关键词: 移动目标防御, 软件栈多样性, 随机切换, 网络安全

Abstract: Moving target defense technology is one of the cyberspace revolutionary technologies “change the rules of game” that National Science and Technology Council proposed. Based on the SCIT model, this paper presents a moving target defense system in view of server-based switching and self-cleaning, by introducing software diversity, randomness and unpredictability of the system, so that it makes protection object motorize to improve its security. Experimental results show that the improved system sets an even higher demand on attacker, the rate that system is invaded reduces, system security is further improved.

Key words: moving target defense, software stack diversity, random switch, cyberspace security

齐晓霞1，2，黄俊2，蒋凡2. 基于SCIT的移动目标防御系统分析研究[J]. 计算机工程与应用, 2014, 50(20): 96-99.

QI Xiaoxia1，2, HUANG Jun2, JIANG Fan2. Moving target defense system analyze and research based on SCIT[J]. Computer Engineering and Applications, 2014, 50(20): 96-99.

[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]	李亚龙，陈勤，张旻. 基于博弈论的移动目标最优防御策略研究[J]. 计算机工程与应用, 2019, 55(19): 141-146.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[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.