人工智能及大数据的网络安全态势感知研究

　　在网络安全管理中，必须全面注重策略求精问题。大部分技术人员在开展网络安全管理时，开始引入VPN防御策略，以此强化网络防御能力。然而在具体防御控制过程中，没有有效融合响应、保护和监测方式，在出现复杂协同的网络攻击行为后，所发挥出的防御效果不佳。通过分析网络防御策略可知，首先，策略求精方法缺失。开展网络管理时，策略求精属于基础需求。主要应用VPN策略求精、访问控制策略，无法有效融合IDS检测和漏洞检测等防御方式，对防御效果的影响较大。其次，不具备语义建模法。通过语义一致性，可以提升语义建模的效果。在应用策略求精方法时，需要通过手工方式实现语义分析。然而由于缺乏自动化方法，因此无法进行语义建模，还会对网络防御目标的实现产生影响。再者，缺失语义一致性分析方法。针对策略求精来说，主要属于推理过程。但是在推理时，未将语义作为载体，严重影响语义一致性。尤其是分析语义一致性时，没有立足于概念和结构角度，无法实现语义一致性目标。此外，在应用策略求精方法时，有效性验证的难度比较大，无法发挥出智能技术和大数据技术在网络防御中的作用。

人工智能及大数据的网络安全态势感知研究

　　1信息安全态势感知系统概况

　　企业管理信息安全时，多通过防御机制实现。利用防御、修复方式，能够对网络安全进行渗透式测试，同时评估网络风险，尽早找寻出信息系统漏洞，通过科学有效措施修补漏洞。当发现攻击行为时，必须及时分析网络流量、设备日志，找寻网络攻击阻止方式。在应用防御措施时，必须投入大量时间和精力，相应增加心理波动。面对不同类别的信息安全，企业必须应用威胁情报技术、大数据技术、人工智能技术，建立信息安全态势感知系统。系统核心在于应用网络安全数据，准确分析企业内部信息安全风险，同时掌握企业现存危险，明确信息安全态势。网络安全数据，包括互联网漏洞数据，威胁情报数据等。信息安全态势感知系统，可以有效联合企业外网数据与内网数据，准确判断现存攻击，同时参照资产脆弱度方面，利用风险评估模型，对网络系统风险进行评估。注重传输风险因素，到达威胁态势模块，此时会暴露出风险。因为网络攻击较为高级，攻击事件长，必须准确检查企业内网历史数据，寻找潜在风险隐患，利用态势模块展现。系统运行时，涉及较多监测搜索数据，同时要做好分析判断，注重科学运算。因此，该系统需要建立分布式计算核心平台。

　　2网络安全态势感知系统的关键技术

　　网络态势感知系统，涉及数据采集技术、数据预处理技术、数据存储与检索技术、数据分析技术。具体分析如下：

　　2.1数据采集技术

　　对于数据收集来说，数据层埃及量非常多，例如Web服务日志、防火墙日志、安全情报数据。其中，安全情报数据，可以通过系统识别与应用。安全情报数据，借助于云服务器，能够更新相关内容。基于现状发展可知，安全情报、数据支持无权威性数据。针对部分大型企业，由于数据流量较高，因此需要收集较多新内容。网络流量镜像数据采集难度大，必须全面提升探针容错性，加强数据采集能力。利用测试，对系统予以优化。利用千万兆网络，实时采集网络数据，通过分光器镜像、网络端口镜像，将收集数据传输到分析平台，便于分析数据信息。该项技术牵扯到行为特征分析、自动关联，端口匹配。端口匹配，遵循标准对应关系，利用传输控制协议、无连接传输协议的端口识别，加快检测速度。但是在应用期间，极易被伪造和攻击。因此，在端口检测结束后，必须科学分析数据。对于流量特征检测，涉及未公开协议流量识别、标准协议流量识别。其中，标准协议流量识别，对信息、命令做出特殊要求。在分析检测中，准确核对特有字段、状态，确保流量识别的准确性。对于未公开协议流量识别，通过逆向分析协议法，实行解密处理，科学分析报文内特有字段，确保流量识别准确性。针对自动连接关联，因网络传输容量持续增加，利用单个连接传输所有数据，已经远远不能满足实际需求。此时需要通过行为特征方法做好分析，密切监测数量流量链接个数、上下行流量比例、数据发送频率，准确识别数据流量。

　　2.2数据预处理技术

　　网络安全态势感知系统，主要应用大数据技术处理数据，按照预先设计流程，确保数据处理的可靠性与精确性。在大数据技术中，Stream框架为分布式处理，扩展性较强。当集群节点比较多时，就会相应提升并发处理能力。在处理数据时，对于数据归一、情报知识库的依赖性强。数据归一，主要为流量数据、设备信息。系统利用正则表达式，能够进行归一化处理，同时将数据转化为常用数据，做好深层次分析和研究。针对情报知识库，利用情报库、知识库关联数据，同时提供数据参考。

　　2.3数据库存和检索

　　安全态势感知系统，能够应用到海量数据检索中。利用搜索引擎搜索，可以实现分布式全文搜索。在搜索中，可以将分类、名称、内容作为搜索词。

　　2.4数据分析

　　在分析数据时，挖掘数据中潜在风险，全面做好安全防范处理工作。在此期间，可能要应用到机器学习重沙箱技术、反病毒查杀技术、恶意代码智能检测技术、自动化数据处理技术。对于恶意代码，则以常规软件、恶意软件作为样本，建立人工智能引擎，深入分析不同软件的特征，同时建设可识别恶意软件的模型，确保恶意软件识别的准确性。对于反病毒查杀技术，在现有技术上优化，确保病毒信息、数据信息识别的准确性。针对机器学习、重沙箱技术，因系统数据采集、处理能力较强，需要高度依赖机器学习、关联分析技术，确保数据筛选的准确性，同时提取重要信息，传输至人工运营团队。对于自动化数据处理技术，态势感知系统为智能化平台，需要依赖人力操作，需要为专业人员提供综合化、可信度较高的数据。建设数据自动化处理平台，通过全貌特征，跟踪攻击者，及时发现潜在威胁，生成可用的威胁情报。

　　3人工智能与大数据技术在网络安全态势感知中的应用

　　3.1建立防御策略模型

　　在应用策略求精关键技术时，首先应当建立模型。此次研究采用三维模型建立方式。在建立模型时，必须应用系统思想、方式技术和网络知识，通过不同方式的相互配合，可以全面确保系统工程的安全性。联合安全机制，可以明显提升数据库性能、信息完整性、计算机设备性能。在应用策略求精技术时，必须确保网络信息满足精益化发展。为了实现以上发展目标，必须提升高层防御策略实效性。在应用期间，以服务资源要求作为基础前提，在节点端口位置，获取系统安全参数。如果改变参数，则无须特殊处理，能够直接优化配置。需要注意的是，在参数配置中，涉及海量数据包、接口数据，同时牵扯到语法变换。在建立模型时，必须充分考虑到上述内容。此次研究过程中，基于CNDPR模型开展研究，将策略求精概念应用到具象化处理中。生成防御策略后，可以将其用到设备节点中，并且以可执行策略规则形式存在。通过应用该模型可以表现出明显的主动特征，以此改变系统状态。从形式上，可以将模型构成主体划分为主体和节点，节点需要采用节点名称、IP、掩码方式生成用户名和口令，同时改变计算机信息流。针对主体形式，主要为相同特征主体。分析系统的实际应用可知，相同特征的主体集，能够体现出角色特征综合体。且不同角色权限，具备较强的关联性。针对该类综合体，需要应用不同表达式进行描述。

　　3.2建立模型安全体系

　　重视网络安全运行状态分析，建设模型安全体系。在建设体系时，应当全面分析和掌握计算机特征、网络运行状态，增强技术应用合理性，全面提高人工智能技术、大数据技术的安全性能。模型安全体系建构时，高度重视防御策略模型。采用三维立体化概念，模型建立涉及X轴、Y轴、Z轴，其中，X轴主要是描述系统安全特性;Y轴：主要描述网络层、应用层、物理层、传输层、数据链路层;Z轴主要是描述物理环境，包括信息网络、信息处理、安全管理。确保模型合理的同时，全面提升安全防御效果。在建立模型期间，技术人员必须考虑到网络安全问题，增强模型和用户要求的吻合度。

　　4结束语

　　综上所述，现代企业生产经营期间，必须全面保障企业内部信息安全，通过信息管理技术和管理措施，本文重点研究和分析大数据存储、人工智能技术，优化设计态势感知系统，同时介绍数据采集技术、信息安全保障技术、数据存储技术。因受到多种因素影响，研究内容限制比较大，能够促进信息安全发展，优化感知能力。

　　参考文献：

　　[1]杨蓉.从信息安全、数据安全到算法安全——总体国家安全观视角下的网络法律治理[J].法学评论，2021，39(01)：131-136.

　　[2]杨洸，李东阳，宋旭.浅析大数据技术在公共信息安全领域的应用与发展趋势[J].信息安全与通信保密，2020，28(12)：93-102.

　　[3]司鲲鹏，范铜川，樊利敏.大数据时代背景下人工智能在计算机网络技术中的有效运用[J].电脑知识与技术，2020，16(33)：176-177.

　　[4]钱鹏，革逊.浅析5G时代下互联网新技术新业态新应用安全管理难点和应对策略[C].公安部网络安全保卫局.2020互联网安全与治理论坛论文集.公安部网络安全保卫局：《信息网络安全》北京编辑部，2020：26-29.

　　[5]柴项羽.基于大数据及人工智能技术的计算机网络安全防御系统设计[J].网络安全技术与应用，2020，10(09)：52-53.

　　[6]何力.大数据、云计算和人工智能等新技术应用带来的网络安全风险[J].中国新通信，2020，22(16)：155-156.

　　[7]张璐.基于大数据背景下人工智能在计算机网络技术中的应用研究[J].粘接，2020，43(07)：100-103.

　　《人工智能及大数据的网络安全态势感知研究》来源：《网络安全技术与应用》，作者：王晓娜李晓宇李芙蓉