網路安全態勢感知(提取理解和預測)

網路安全態勢感知(提取理解和預測)

《網路安全態勢感知(提取理解和預測)》是2018年機械工業出版社出版的圖書,作者是杜嘉薇、周穎、郭榮華、索國偉。

基本介紹

  • 中文名:網路安全態勢感知(提取理解和預測)
  • 作者:杜嘉薇、周穎、郭榮華、索國偉
  • 出版社:機械工業出版社
  • 出版時間:2018年7月1日
  • ISBN:9787111603757
內容簡介,圖書目錄,

內容簡介

本書按照網路空間安全態勢感知的工作過程——提取、理解和預測,介紹了如何通過獲取海量數據與事件,直觀、動態、全面、細粒度地提取出各類網路攻擊行為,並對其進行理解、分析、預測以及可視化,從而實現態勢感知。本書有助於幫助安全團隊發現傳統安全平台和設備未能發現的事件,並將網路上似乎無關的事件關聯起來,從而更有效地對安全事件做出回響。

圖書目錄

目  錄
前言
第一部分 基礎知識
第1章 開啟網路安全態勢感知的旅程 2
1.1 引言 2
1.2 網路安全簡史 3
1.2.1 計算機網路 3
1.2.2 惡意代碼 4
1.2.3 漏洞利用 6
1.2.4 高級持續性威脅 7
1.2.5 網路安全設施 8
1.3 網路安全態勢感知 10
1.3.1 為什麼需要態勢感知 10
1.3.2 態勢感知的定義 12
1.3.3 網路安全態勢感知的定義 13
1.3.4 網路安全態勢感知參考模型 14
1.3.5 網路安全態勢感知的周期 17
1.4 我國網路安全態勢感知政策和發展 19
1.4.1 我國網路安全態勢感知政策 19
1.4.2 我國網路安全態勢感知的曲線發展歷程 20
1.5 國外先進的網路安全態勢感知經驗 21
1.5.1 美國網路安全態勢感知建設方式 21
1.5.2 美國網路安全國家戰略 21
1.5.3 可信網際網路連線 22
1.5.4 信息安全持續監控 23
1.5.5 可借鑑的經驗 24
1.6 網路安全態勢感知建設意見 24
第2章 大數據平台和技術 26
2.1 引言 26
2.2 大數據基礎 27
2.2.1 大數據的定義和特點 27
2.2.2 大數據關鍵技術 28
2.2.3 大數據計算模式 28
2.3 大數據套用場景 29
2.4 大數據主流平台框架 30
2.4.1 Hadoop 30
2.4.2 Spark 32
2.4.3 Storm 33
2.5 大數據生態鏈的網路安全態勢感知套用架構 34
2.6 大數據採集與預處理技術 34
2.6.1 感測器 36
2.6.2 網路爬蟲 37
2.6.3 日誌收集系統 39
2.6.4 數據抽取工具 40
2.6.5 分散式訊息佇列系統 42
2.7 大數據存儲與管理技術 46
2.7.1 分散式檔案系統 46
2.7.2 分散式資料庫 50
2.7.3 分散式協調系統 53
2.7.4 非關係型資料庫 55
2.7.5 資源管理調度 57
2.8 大數據處理與分析技術 64
2.8.1 批量數據處理 64
2.8.2 互動式數據分析 67
2.8.3 流式計算 71
2.8.4 圖計算 74
2.8.5 高級數據查詢語言Pig 75
2.9 大數據可視化技術 76
2.9.1 大數據可視化含義 76
2.9.2 基本統計圖表 76
2.9.3 大數據可視化分類 77
2.9.4 高級分析工具 77
2.10 國外先進的大數據實踐經驗 78
2.10.1 大數據平台 78
2.10.2 網路分析態勢感知能力 79
第二部分 態勢提取
第3章 網路安全數據範圍 82
3.1 引言 82
3.2 完整內容數據 82
3.3 提取內容數據 85
3.4 會話數據 86
3.5 統計數據 88
3.6 元數據 90
3.7 日誌數據 93
3.8 告警數據 98
第4章 網路安全數據採集 100
4.1 引言 100
4.2 制定數據採集計畫 100
4.3 主動式採集 102
4.3.1 通過SNMP採集數據 102
4.3.2 通過Telnet採集數據 103
4.3.3 通過SSH採集數據 103
4.3.4 通過WMI採集數據 104
4.3.5 通過多種檔案傳輸協定採集數據 104
4.3.6 利用JDBC/ODBC採集資料庫信息 105
4.3.7 通過代理和外掛程式採集數據 106
4.3.8 通過漏洞和連線埠掃描採集數據 107
4.3.9 通過“蜜罐”和“蜜網”採集數據 107
4.4 被動式採集 108
4.4.1 通過有線和無線採集數據 108
4.4.2 通過集線器和交換機採集數據 110
4.4.3 通過Syslog採集數據 112
4.4.4 通過SNMP Trap採集數據 112
4.4.5 通過NetFlow/IPFIX/sFlow採集流數據 113
4.4.6 通過Web Service/MQ採集數據 114
4.4.7 通過DPI/DFI採集和檢測數據 115
4.5 數據採集工具 116
4.6 採集點部署 117
4.6.1 需考慮的因素 117
4.6.2 關注網路出入口點 118
4.6.3 掌握IP位址分布 118
4.6.4 靠近關鍵資產 119
4.6.5 創建採集全景視圖 119
第5章 網路安全數據預處理 121
5.1 引言 121
5.2 數據預處理的主要內容 121
5.2.1 數據審核 121
5.2.2 數據篩選 122
5.2.3 數據排序 122
5.3 數據預處理方法 123
5.4 數據清洗 123
5.4.1 不完整數據 124
5.4.2 不一致數據 124
5.4.3 噪聲數據 124
5.4.4 數據清洗過程 125
5.4.5 數據清洗工具 126
5.5 數據集成 126
5.5.1 數據集成的難點 126
5.5.2 數據集成類型層次 127
5.5.3 數據集成方法模式 128
5.6 數據歸約 129
5.6.1 特徵歸約 130
5.6.2 維歸約 130
5.6.3 樣本歸約 131
5.6.4 數量歸約 131
5.6.5 數據壓縮 132
5.7 數據變換 132
5.7.1 數據變換策略 133
5.7.2 數據變換處理內容 133
5.7.3 數據變換方法 133
5.8 數據融合 135
5.8.1 數據融合與態勢感知 135
5.8.2 數據融合的層次分類 136
5.8.3 數據融合相關算法 137
第三部分 態勢理解
第6章 網路安全檢測與分析 142
6.1 引言 142
6.2 入侵檢測 143
6.2.1 入侵檢測通用模型 143
6.2.2 入侵檢測系統分類 144
6.2.3 入侵檢測的分析方法 146
6.2.4 入侵檢測技術的現狀和發展趨勢 151
6.3 入侵防禦 152
6.3.1 入侵防禦產生的原因 152
6.3.2 入侵防禦的工作原理 153
6.3.3 入侵防禦系統的類型 154
6.3.4 入侵防禦與入侵檢測的區別 155
6.4 入侵容忍 156
6.4.1 入侵容忍的產生背景 156
6.4.2 入侵容忍的實現方法 156
6.4.3 入侵容忍技術分類 157
6.4.4 入侵容忍與入侵檢測的區別 157
6.5 安全分析 158
6.5.1 安全分析流程 158
6.5.2 數據包分析 160
6.5.3 計算機/網路取證 163
6.5.4 惡意軟體分析 164
第7章 網路安全態勢指標構建 167
7.1 引言 167
7.2 態勢指標屬性的分類 168
7.2.1 定性指標 168
7.2.2 定量指標 169
7.3 網路安全態勢指標的提取 169
7.3.1 指標提取原則和過程 170
7.3.2 網路安全屬性的分析 172
7.3.3 網路安全態勢指標選取示例 178
7.4 網路安全態勢指標體系的構建 179
7.4.1 指標體系的構建原則 179
7.4.2 基礎運行維指標 179
7.4.3 脆弱維指標 180
7.4.4 風險維指標 181
7.4.5 威脅維指標 182
7.4.6 綜合指標體系和指數劃分 183
7.5 指標的合理性檢驗 184
7.6 指標的標準化處理 185
7.6.1 定量指標的標準化 186
7.6.2 定性指標的標準化 188
第8章 網路安全態勢評估 189
8.1 引言 189
8.2 網路安全態勢評估的內涵 190
8.3 網路安全態勢評估的基本內容 190
8.4 網路安全態勢指數計算基本理論 192
8.4.1 排序歸一法 192
8.4.2 層次分析法 193
8.5 網路安全態勢評估方法分類 194
8.6 網路安全態勢評估常用的融合方法 196
8.6.1 基於邏輯關係的融合評價方法 196
8.6.2 基於數學模型的融合評價方法 197
8.6.3 基於機率統計的融合評價方法 204
8.6.4 基於規則推理的融合評價方法 207
第9章 網路安全態勢可視化 212
9.1 引言 212
9.2 數據可視化基本理論 213
9.2.1 數據可視化一般流程 213
9.2.2 可視化設計原則與步驟 214
9.3 什麼是網路安全態勢可視化 216
9.4 網路安全態勢可視化形式 217
9.4.1 層次化數據的可視化 217
9.4.2 網路數據的可視化 217
9.4.3 可視化系統互動 219
9.4.4 安全儀錶盤 220
9.5 網路安全態勢可視化的前景 221
第四部分 態勢預測
第10章 典型的網路安全態勢預測方法 224
10.1 引言 224
10.2 灰色理論預測 225
10.2.1 灰色系統理論的產生及發展 225
10.2.2 灰色理論建立依據 226
10.2.3 灰色預測及其類型 226
10.2.4 灰色預測模型 227
10.3 時間序列預測 234
10.3.1 時間序列分析的基本特徵 235
10.3.2 時間序列及其類型 235
10.3.3 時間序列預測的步驟 236
10.3.4 時間序列分析方法 238
10.4 回歸分析預測 240
10.4.1 回歸分析的定義和思路 241
10.4.2 回歸模型的種類 241
10.4.3 回歸分析預測的步驟 242
10.4.4 回歸分析預測方法 242
10.5 總結 245
第11章 網路安全態勢智慧型預測 246
11.1 引言 246
11.2 神經網路預測 247
11.2.1 人工神經網路概述 247
11.2.2 神經網路的學習方法 248
11.2.3 神經網路預測模型類型 249
11.2.4 BP神經網路結構和學習原理 252
11.3 支持向量機預測 254
11.3.1 支持向量機方法的基本思想 254
11.3.2 支持向量機的特點 255
11.3.3 支持向量回歸機的分類 257
11.3.4 支持向量機核函式的選取 260
11.4 人工免疫預測 261
11.4.1 人工免疫系統概述 262
11.4.2 人工免疫模型相關機理 262
11.4.3 人工免疫相關算法 264
11.5 複合式攻擊預測 267
11.5.1 基於攻擊行為因果關係的複合式攻擊預測方法 268
11.5.2 基於貝葉斯博弈理論的複合式攻擊預測方法 269
11.5.3 基於CTPN的複合式攻擊預測方法 270
11.5.4 基於意圖的複合式攻擊預測方法 272
第12章 其他 274
12.1 引言 274
12.2 網路安全人員 274
12.2.1 網路安全人員範圍 274
12.2.2 需要具備的技能 275
12.2.3 能力級別分類 277
12.2.4 安全團隊建設 278
12.3 威脅情報分析 279
12.3.1 網路威脅情報 279
12.3.2 威脅情報來源 280
12.3.3 威脅情報管理 281
12.3.4 威脅情報共享 282
參考文獻 283

相關詞條

熱門詞條

聯絡我們