基于大数据分析的应用安全态势系统设计与实现

来源:用户上传      作者:

　　【摘要】    随着计算机技术的快速发展，在各个行业得到了广泛采用，本文则基于此分析了大数据社会发展环境下，安全态势系统的设计模型，针对性分析了层次化的功能模块，以更好的实现用户数据的关联性，杜绝潜在安全问题。
　　【关键词】    大數据    应用    安全态势    系统设计
　　前言
　　网络化已经应用至各个领域，信息系统也渗透至社会的各个方面，推动了社会的快速进步，但受网络开放性的影响，其也会带来诸多安全威胁，亟需强化分析安全日志，有效检测各种攻击行为。随着数字化技术的快速发展，数据类型逐渐增加，病毒的入侵方式也不断增多，为了更好的规避安全威胁，工作人员应在各个方面更好的设计安全态势系统，避免以往传统单一行为数据预测的弊端，从而准确预测各种安全态势，最大程度的保证各个领域部门信息的安全性与可靠性。
　　一、应用安全态势感知系统模型
　　1.1安全指标量化体系
　　应用安全的主体要素为体系中的三级指数，其中一级指数为顶层，整体反映了用户的访问情况，与二级指数权重计算结果存在一定的关联性。二级指数属于宏观层面，包括数据威胁、用户行为以及运行安全等三个方面，可以有效反映用户访问数据的潜在风险，分析用户应用数据的实际情况[1]。
　　1.2安全态势感知模型
　　作为安全态势感知系统的基础组成部分，安全态势感知模型呈现出多元化的发展趋势，不但可以有效收集用户的访问数据，且还可以了解系统管理人员的操作数据。且这些数据量较大，格式也各不相同。对此，相关工作人员应针对大规模网络海量数据的实际情况，构建安全态势感知模型。一是进行数据采集，收集用户的行为数据与数据库日志信息，根据既定的规则有效清理数据。二是预处理与过滤数据，系统会受到来源各不相同的数据格式，均需要进行规范化处理，态势感知则是预处理采集的数据，提取关键信息，在统一格式后上报分析，保证数据信息的可扩展性。三是进行关联分析，利用逐级关联技术逐一匹配相关事件，减小威胁事件的发生几率，响应处理报警信息，在分离阻断事件的基础上，为系统管理人员报警。在关联分析时，工作人员应有效提取海量历史数据，归一聚合汇总业务数据后，深度分析用户行为模式与用户行为，为安全管控策略的制定提供依据。同时，还可以评估预测当前用户行为规则及潜在维修，在聚类的基础上归类数据信息，以便及时发现时间、用户身份等方面的异常行为，根据结果分类用户行为模式，为精准审计工作打下坚实的基础。最后还应在建立安全指标体系的基础上预测态势庆康，评估安全时间，利用可视化方法为用户呈现最终的预测结果[2]。
　　二、应用安全态势分析系统架构设计
　　相关工作人员应在基于大数据分析的基础上，建设分布式架构，包括应用安全态势分析平台、可视化服务器以及采集服务器等方面。首先是采集服务器，可以有效收集服务器中的各种日志数据信息，保证安全态势平台的数据供应。且其分为规范化与非规范化两种，其中规范化采集服务器，可以收集用户的访问日志以及系统日志等信息，数量较大，因此需要规范化处理，保留事件挖掘的有效信息，在统一格式后以文本的形式进行保存，而非规范化采集服务器主要收集各种数据库日志等信息。二是应用安全态势分析平台，包括知识库、态势预估以及数据融合等模块，可以利用引擎在系统中获取关联规则以及事件特征等信息，有效识别事件之间的内在关联性，在明确事件攻击性的基础上存储于安全事件类型中。态势感知模块可以分析系统的潜在威胁，并发现并未启动的威胁事件等，通过发出采集数据的请求减轻数据的存储负担。三是可视化服务器，系统可以分析用户的实际需求，并在既定的图表模板上生成可视化图表，帮助用户强化分析与理解。同时，管理人员也可以通过服务器有效获得数据的分析结果，确定安全威胁的类型与具体位置，以此为依据制定完善的决策服务体系。除此之外，可视化服务器还包括统计报表、日志检索以及日志存储等功能，以Word、Excel等方式输出，发送至报表功能系统中[3]。
　　三、结束语
　　在大数据发展背景下，本文分析了安全态势模型的具体构建方法，针对性指出了系统设计的具体流程，有效协调了应用安全态势分析平台、采集服务器以及可视化服务器的运行，可以及时将系统的检测结果传达至管理人员，为此后的态势分析工作提供更多的借鉴依据。
　　参  考  文  献
　　[1]潘峰，李涛.大数据环境下网络安全态势感知研究进展[J].保密科学技术. 2016（04）.：27-33.
　　[2]李明桂，肖毅，陈剑锋，许杰.基于大数据的安全事件挖掘框架[J].通信技术. 2015（03）.：346-350.
　　[3]王培.中国信息安全市场现状与未来展望[J].中国信息安全. 2015（03）.：79-81.
转载注明来源:https://www.xzbu.com/1/view-15135217.htm