基于LR-NodeRank的网络安全态势量化评估方法

杨春花

(乌鲁木齐职业大学 信息工程学院， 新疆 乌鲁木齐 830002)

0 引言

无线区块链网络是应用了区块链的无线网络。2008年，日本学者中本聪提出区块链概念，他本意是讨论比特币系统的发布和运行，也涉及安全问题。区块链的准确定义至今依然没有统一，一般认为是一个相互牵制的分布式数据库系统[1]。每一个主体都是相对独立的，都有独立性和自主性，都发布信息和评述，然而因为相互的牵制，修改信息则非常困难。正像互联网的情形一样，没有一个网络系统是绝对安全的。尽管区块链结构要求攻击者需要攻破超过50%的节点，才能进入具体的主体获得需要的利益[2]。

关于双通道无线区块链网络安全态势的研究是一般网络安全态势研究的延伸。传统的网络安全态势量化评估的方法主要为模糊度检测方法[3]、统计信息分析方法[4]、熵值理论方法[5]等，上述这些方法进行无线区块链网络安全态势评估的自适应性较差。

随着双通道无线区块链网络规模的不断扩大，对双通道无线区块链网络的安全性提出更高的要求，为提高双通道无线区块链网络的安全性和输出稳定性，相关的双通道无线区块链网络安全态势评估方法研究受到人们的极大关注。在过去的几年中，国外学者开展了很多探索性的研究，有学者对双通道无线区块链网络安全态势的评估预测是建立在对双通道无线区块链网络安全信息融合[6]的基础上进行研究；也有学者从大数据特征分析[7]基础上进行双通道无线区块链网络安全态势的评估研究。而在国内同样有很多创新性的研究，有学者通过神经网络来感知安全网络态势，通过神经网络找出非线性网络态势值的映射关系；也有学者利用马尔科夫博弈分析模型来感知网络安全态势；也有学者通过对双通道无线区块链网络的网络传输稳定性评估和决策，结合攻击信号的特征分析[8]，进行双通道无线区块链网络安全性评价，从而提高双通道无线区块链网络安全评估能力。由于上述方法所导致的网络安全态势评估自适应能力差的问题，本文提出了一种基于LR-NodeRank优化节点的网络安全态势量化评估方法。构建双通道无线区块链网络的信道均衡模型，结合高阶统计特征分析方法进行双通道无线区块链网络的输出稳定性调节，利用LR-NodeRank优化节点网格分块模型进行网络安全态势信息融合及信息评估，从而实现网络安全态势量化评估，最后进行仿真测试分析，结果显示运用本文方法在提高双通道无线区块链网络安全态势量化评估能力方面具有优越性能。

1 网络安全态势量化评估

1.1 LR-NodeRank算法

LR-NodeRank 算法是文献[9]提出的一种多节点的网络安全态势量化评估方法，它是将网页搜索的PageRank算法移植到网络安全的量化评估的。基本出发点是木桶的短板原理，即网络的攻击者总是选择最容易攻破的节点进行攻击的。

将多节点的区块链看成一个有向图，每一个主体看成一个节点，而将相互间的联系看成有向连线。设H={h1,h2,…,hn}是这个区块链网络的所有节点组成的集合，hi∈H是网络中的一个节点，将hi看成是一个四元数组，即hi=(fi,ti,vi,ai)，其中的fi表示权值，它可以表示这个节点在网络中的重要性；ti表示节点受击的情况，ti=1表示受到了攻击，而ti=0则表示没有受到了攻击；vi∈[0,1]表示这个节点的脆弱性，vi=0表示非常脆弱，而vi=1则表示非常强壮，不易受到攻击；ai则表示对攻击者来说攻克后获得的利益。

用lij表示节点hi到节点hj的连接，它可以带权，也可以不带权值，lij=0表示不存在连接。用L表示非零(有效)连接组成的集合，那么G=(H,L)就是表示这个区块链的有向图。

假设ti=1，则说明hi已经被攻击者占领，如果有hk与hi相连，即lik≠0，用rik表示攻击者攻克了hk，并造成事故的概率。显然这个概率与vk有关。

文献[9]在“攻击者总是选择最容易攻破的节点进行攻击的”这个假设下，给出了网络安全态势的量化评估模型。

1.2 网络安全态势量化评估分析

综上分析，利用LR-NodeRank优化节点分布模型，构建双通道无线区块链网络安全态势数据信息融合及特征提取模型，根据数据信息融合及特征提取结果，实现双通道无线区块链网络安全态势量化评估。具体实现流程如图1所示。

图1 双通道无线区块链网络安全态势量化评估实现流程

2 仿真测试分析

为了验证本文方法在实现双通道无线区块链网络安全态势预测中的应用性能，进行仿真实验，实验中LR-NodeRank节点分布为200，对无线区块链网络安全信息评价的特征采样序列为1 024，模糊相关特征分布系数为0.45，信息采样的频率为F=10 kHz，根据上述参数设定，进行双通道无线区块链网络的安全态势评估采样，得到无线区块链网络传输时间序列如图2所示。

图2 无线区块链网络传输时间序列

以图2采样得到的双通道无线区块链网络传输时间序列为研究样本，采用本文方法进行双通道无线区块链网络安全态势评估，通过本文方法对WebServer漏洞利用、系统漏洞利用和SQL注入攻击3种类型的网络安全态势进行评估，得到安全态势评估的残差分量输出如图3所示。

图3 安全态势量化评估残差分量输出

分析图3得知，采用本文方法采用多个单分布节点进行双通道无线区块链网络的分布式结构重组，构建双通道无线区块链网络安全态势的传感信息跟踪模型，根据数据信息融合及特征提取结果，能够有效实现对双通道无线区块链网络安全态势的量化评估。结合图3的安全态势量化评估残差分量输出结果，将本文方法与文献[3]方法和文献[4]方法设为对照组，测试网络安全态势量化评估的精度，得到对比结果如表1所示。

分析表1可知，运用本文方法进行无线区块链网络安全态势评估的精度均高于运用文献[3]方法和文献[4]方法所得到的评估精度，本文方法所得评估精度均达到0.95以上。由此可见，根据本文所提出的基于LR-NodeRank的网络安全态势量化评估方法进行量化评估，其结果准确率较高，能够有效提高预测双通道无线区块链网络安全态势的精度。

表1 双通道无线区块链网络安全态势量化评估精度对比

3 总结

分析双通道无线区块链网络的安全态势评估模型，提高双通道无线区块链网络的安全性和输出稳定性，本文提出基于LR-NodeRank的网络安全态势量化评估方法。采用LR-NodeRank优化节点网格分块模型进行双通道无线区块链网络安全态势信息评估。仿真测试分析得知，本文方法进行双通道无线区块链网络安全态势量化评估的精度较高，均在95%以上，为日后的双通道无线区块链网络安全态势信息评估提供参考。