基于大数据的网络安全态势感知初探摘要从大规模网络庞大的数据量中找出有用的信息成为网络安全态势感知研究中的棘手问题，根据大数据技术特有的海量存储、并行计算、高效查询等特点，对基于大数据的网络安全态势感知进行了初步探讨，对其可行性进行了初步研究。关键词大数据网络安全态势感知中图分类号：TP393.08文献标识码：A0引言对于一个大型网络，在网络安全层面，除了访问控制、入侵检测、身份识别等基础技术手段，需要安全运维和管理人员能够及时感知网络中的异常事件与整体安全态势。对于安全运维人员来说，如何从成千上万的安全事件和日志中找到最有价值、最需耍处理和解决的安全问题，从而保障网络的安全状态，是他们最关心也是最需要解决的问题。与此同时，对于安全管理者和高层管理者而言，如何描述当前网络安全的整体状况，如何预测和判断风险发展的趋势，如何指导下一步安全建设与规划，则是一道持久的难题。随着大数据技术的成熟、应用与推广，网络安全态势感知技术有了新的发展方向，大数据技术特有的海量存储、并行计算、高效查询等特点,为大规模网络安全态势感知的关键技术创造了突破的机遇。本文将对大规模网络环境下的安全态势感知、大数据技术在安全感知方面的促进做一些探讨。1基于大数据的网络安全态势感知随着网络的发展，大规模网络所引发的安全保障的复杂度激增，主要面临的问题包括：安全数据量巨大；安全事件被割裂，从而难以感知；安全的整体状况无法描述。网络安全感知能力具体可分为资产感知、脆弱性感知、安全事件感知和异常行为感知4个方而。资产感知是指自动化快速发现和收集大规模网络资产的分布情况、更新情况、属性等信息；脆弱性感知则包括3个层面的脆弱性感知能力：不可见、可见、可利用；安全事件感知是指能够确定安全事件发生的时间、地点、人物、起因、经过和结果；异常行为感知是指通过异常行为判定风险，以弥补对不可见脆弱性、未知安全事件发现的不足，主要面向的是感知未知的攻击。随着IIadoop>NoSQL等技术的兴起，BigDala大数据的应用逐渐增多和成熟，而大数据自身拥有Velocity快速处理、Volume人数据量存储、Variety支持多类数据格式三大特性。大数据的这些天生特性，恰巧可以用于大规模网络的安全感知。首先，多类数据格式可以使网络安全感知获取更多类型的日志数据，包括网络与安全设备的日志、网络运行情况信息、业务与应用的口志记录等；其次，大数据量存储与快速处理为高速网络流量的深度安全分析提供了技术支持，可以为高智能模型算法提供计算资源；最后，在异常行为的识别过程中，核心是对正常业务行为与异常攻击行为之间的未识别行为进行离群度分析，大数据使得在分析过程中采用更小的匹配颗粒与更长的匹配时间成为可能。2目前研究成果中国移动口2010年起在云计算和大数据方面就开始了积极探索。中国移动的“大云”系统目前已实现了分布式海量数据仓库、分布式计算框架、云存储系统、弹性计算系统、并行数据挖掘工具等关键功能。在“大云”系统的基础上，中国移动的网络安全感知也具备了一定的技术积累，进行了大规模网络安全感知和防御体系的技术研究，在利用云平台进行•脆弱性发现方面的智能型任务调度算法、主机和网络异常行为发现模式等关键技术上均有突破，在安全运维中取得了一些显著的效果。3总结大数据的出现，扩展了计算和存储资源，提供了基础平台和大数据量处理的技术支撑，为安全态势的分析、预测创造了无限可能。参考文献[1]龚正虎，卓莹•网络态势感知研究[J]•软件学报,2010,21(7)：1605-1619.[2]韦勇，连一峰，冯登国•基于信息融合的网络安全态势评估模型[J]・计算机研究与发展,2009,46(3)：353-362.[3]贾焰•大规模网络安全态势感知一一需求、挑战与技术[R]•国防科大计算机学院网络所，2009.[4]张仕斌，许春香，安宇俊•基于云模型的风险评估方法研究[J]・电子科技大学学报,2013,1：92-97.