馮英偉，王慶福，呂 國(guó)，肖瑞雪

(1.河北建筑工程學(xué)院現(xiàn)代教育技術(shù)中心，河北張家口075000；2.遼寧行政學(xué)院信息技術(shù)系，遼寧沈陽(yáng)110161)

物聯(lián)網(wǎng)時(shí)代的到來(lái)不僅方便了人類的日常生活，更為社會(huì)生產(chǎn)力的發(fā)展提供了有效手段。由于物聯(lián)網(wǎng)結(jié)構(gòu)的組成錯(cuò)綜復(fù)雜涉及范圍廣泛，一旦遭到攻擊，就會(huì)爆發(fā)連鎖性的破壞，物聯(lián)網(wǎng)安全受到了前所未有的考驗(yàn)[1-3]。如何進(jìn)行有效的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估成為研究的重點(diǎn)。物聯(lián)網(wǎng)設(shè)備因?yàn)樾畔R總與模糊信息邏輯能力的匱乏，保持著獨(dú)立的狀態(tài)，干擾管理員判斷，致使物聯(lián)網(wǎng)安全態(tài)勢(shì)不易鑒定，為物聯(lián)網(wǎng)安全態(tài)勢(shì)的評(píng)估增加了難度。因此，亟需一個(gè)行之有效的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估方法[5]。

針對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估問(wèn)題，有學(xué)者提出了一種基于語(yǔ)義本體和用戶定義規(guī)則的情況推理的網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型，該文技術(shù)為解決物聯(lián)網(wǎng)安全領(lǐng)域中的語(yǔ)義異構(gòu)問(wèn)題提供了統(tǒng)一、形式化的描述[6]。該方法提出了反映物聯(lián)網(wǎng)安全狀況的四個(gè)關(guān)鍵子域：上下文、攻擊、漏洞和網(wǎng)絡(luò)流。但該方法過(guò)于籠統(tǒng)，沒(méi)有針對(duì)性的解決明確問(wèn)題，導(dǎo)致應(yīng)用性不強(qiáng)。有學(xué)者以威脅情報(bào)為切入點(diǎn)，提出威脅情報(bào)共享方法,實(shí)現(xiàn)安全威脅情報(bào)共享系統(tǒng)的設(shè)計(jì),通過(guò)共享重要的第三方情報(bào)數(shù)據(jù)對(duì)電網(wǎng)安全的安全態(tài)勢(shì)進(jìn)行評(píng)估及時(shí)發(fā)現(xiàn)異常行為。該方法應(yīng)用過(guò)程較為簡(jiǎn)單，但是得到的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估效果卻不夠理想，物聯(lián)網(wǎng)的異常行為檢測(cè)不徹底，無(wú)法得以廣泛應(yīng)用[7]。有學(xué)者從網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)出發(fā)，闡述了電子產(chǎn)品編碼系統(tǒng)、物理信息融合系統(tǒng)和無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)的運(yùn)行特點(diǎn)和安全狀況，提出了安全挑戰(zhàn)和安全防御方法，結(jié)合物聯(lián)網(wǎng)技術(shù)的應(yīng)用與發(fā)展，提出了物聯(lián)網(wǎng)的體系結(jié)構(gòu)，并集成了不同的通用子系統(tǒng)。該方法雖然可以很好的對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估，但是方法過(guò)于復(fù)雜，應(yīng)用難度較大[8-9]。D-S證據(jù)理論[10]的基本概率賦值(Basic Probability Assignment，BPA)可對(duì)不確定信息實(shí)施準(zhǔn)確描述以及操作，在智能推理方面具有較高的應(yīng)用價(jià)值。傳統(tǒng)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型采用公式或者專家的經(jīng)驗(yàn)獲取BPA值，個(gè)人意識(shí)較強(qiáng)缺乏科學(xué)客觀性，致使獲取的物聯(lián)網(wǎng)安全評(píng)估結(jié)果不理想[11]。

為解決當(dāng)前物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估存在的問(wèn)題，提出基于改進(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型，采用GA-BP神經(jīng)物聯(lián)網(wǎng)訓(xùn)練物聯(lián)網(wǎng)安全參數(shù)指標(biāo)，輸出態(tài)勢(shì)優(yōu)秀的BPA，最終獲取準(zhǔn)確的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果。

1 改進(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型

1.1 基于D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型

1.1.1 D-S證據(jù)理論

m1和m2為兩個(gè)證據(jù)的基本可信度分配函數(shù)，那么D-S合成規(guī)則為：

(1)

1.1.2 D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型

基于D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型見圖1，其從物聯(lián)網(wǎng)攻擊態(tài)勢(shì)、物聯(lián)網(wǎng)防御態(tài)勢(shì)、整體安全態(tài)勢(shì)3種類型的物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估。

圖1 D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型Fig.1 Network security situation assessment model of D-S evidence theory

操作步驟如下。

1) {A1,A2,A3}描述辨識(shí)框架Θ的全部物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估狀態(tài)，以將來(lái)某時(shí)段為前提，某段時(shí)期中物聯(lián)網(wǎng)安全、危險(xiǎn)和不確定狀態(tài)分別是A1,A2,A3。

2) 用Eatt、Edef和Esec表示辨識(shí)框架Θ的攻擊、防御和整體安全態(tài)勢(shì)評(píng)估的3類證據(jù)體，該種描述基于以往和現(xiàn)在的物聯(lián)網(wǎng)攻擊、防御和整體安全態(tài)勢(shì)的評(píng)估結(jié)果進(jìn)行分析。

3) 當(dāng)i=1,2,3時(shí)，用matt(Ai)、mdef(Ai)和msec(Ai)描述BPA，此時(shí)的BPA是各種現(xiàn)在3類證據(jù)體的安全狀態(tài)。

4) 用結(jié)合證據(jù)體得出不同安全狀態(tài)時(shí)的新BPA值m，此前，要將3類證據(jù)體通過(guò)D-S合成規(guī)則進(jìn)行合成。

采用上述方法獲取包括攻擊態(tài)勢(shì)、防御態(tài)勢(shì)、整體安全態(tài)勢(shì)的各類物聯(lián)網(wǎng)態(tài)勢(shì)評(píng)估結(jié)果，但獲取的評(píng)估結(jié)果與實(shí)際的物聯(lián)網(wǎng)安全狀況稍有偏差，需研究改進(jìn)。

1.2 改進(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型

基于D-S證據(jù)理論物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果不理想，與實(shí)際物聯(lián)網(wǎng)安全態(tài)勢(shì)有偏差，主要因?yàn)镈-S證據(jù)理論評(píng)估過(guò)程中采用的BPA獲取方式缺乏說(shuō)服力與科學(xué)性?；贒-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型采用單純的公式計(jì)算或者憑借專家的經(jīng)驗(yàn)之談進(jìn)行判斷，由于物聯(lián)網(wǎng)具有繁瑣的物聯(lián)網(wǎng)結(jié)構(gòu)組成、錯(cuò)綜的物聯(lián)網(wǎng)環(huán)境的特性，所以各因素間互相干擾，變化多端，此做法很難對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)各方面干擾力做出準(zhǔn)確判斷?；诟倪M(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型采用遺傳算法改善BP神經(jīng)物聯(lián)網(wǎng)獲取準(zhǔn)確、可靠的BPA值，排除BPA賦值時(shí)存在的主觀意識(shí)性。文章分析的態(tài)勢(shì)狀態(tài)包括物聯(lián)網(wǎng)正常態(tài)勢(shì)、物聯(lián)網(wǎng)異常態(tài)勢(shì)和物聯(lián)網(wǎng)的未知態(tài)勢(shì)分別用N、A、θ進(jìn)行描述，圖2為改進(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型。

圖2 改進(jìn)證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型Fig.2 Network security situation assessment model based on improved evidence theory

此模型的操作流程包括數(shù)據(jù)采集、BPA構(gòu)造、D-S證據(jù)融合和態(tài)勢(shì)評(píng)估，詳細(xì)內(nèi)容如下。

1) 從態(tài)勢(shì)信息中采集數(shù)據(jù)并提煉態(tài)勢(shì)指標(biāo)后進(jìn)行統(tǒng)一操作，此態(tài)勢(shì)信息由物聯(lián)網(wǎng)設(shè)備給予。

2) 通過(guò)遺傳算法改進(jìn)的BP神經(jīng)物聯(lián)網(wǎng)算法(GA-BP)，在GA-BP神經(jīng)物聯(lián)網(wǎng)操作層訓(xùn)練學(xué)習(xí)樣本集，樣本集內(nèi)是多維度態(tài)勢(shì)指標(biāo)，最終獲取態(tài)勢(shì)BPA。

3) 對(duì)新D-S證據(jù)實(shí)施融合過(guò)程中，應(yīng)用BP神經(jīng)物聯(lián)網(wǎng)獲取的態(tài)勢(shì)BPA和Dempster合成表達(dá)式進(jìn)行循環(huán)處理，同時(shí)實(shí)施態(tài)勢(shì)評(píng)估時(shí)需要基于決策邏輯分析。

上述基于改進(jìn)D-S證據(jù)理論的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估過(guò)程中，對(duì)于BPA的構(gòu)造采用遺傳算法對(duì)BP神經(jīng)物聯(lián)網(wǎng)實(shí)施物聯(lián)網(wǎng)參數(shù)優(yōu)化操作，提高收斂速度的基礎(chǔ)上增加BPA評(píng)估的準(zhǔn)確度。分析D-S證據(jù)融合時(shí)，通常將證據(jù)融合過(guò)程當(dāng)成在不同時(shí)間點(diǎn)情況下的證據(jù)態(tài)勢(shì)BPA融合過(guò)程。對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估時(shí)，將融合過(guò)程當(dāng)成不同時(shí)間點(diǎn)情況下的D-S證據(jù)融合過(guò)程，依據(jù)時(shí)間點(diǎn)的態(tài)勢(shì)BPA構(gòu)成不同的D-S證據(jù)。不同態(tài)勢(shì)情況同不同的證據(jù)命題相關(guān)聯(lián)。詳細(xì)的融合過(guò)程是：面向第n-1條證據(jù)，向Tn-1時(shí)情況下BP神經(jīng)物聯(lián)網(wǎng)設(shè)置態(tài)勢(shì)BPA，如果獲取第n條證據(jù)，則融合第n條以及第n-1條證據(jù)獲取新證據(jù)，通過(guò)Dempste合成表達(dá)式對(duì)新證據(jù)實(shí)施融合，得到最佳態(tài)勢(shì)BPA，同時(shí)基于設(shè)置的決策邏輯，基于最佳態(tài)勢(shì)BPA的D-S證據(jù)融合流程，對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)實(shí)施有效評(píng)估，具體的流程用圖3描述。

圖3 最佳態(tài)勢(shì)BPA的D-S證據(jù)融合流程Fig.3 D-S evidence fusion process in the best situation BPA

圖3中差異時(shí)間點(diǎn)的態(tài)勢(shì)BPA實(shí)施Dempster合成過(guò)程用⊕描述，基于遺傳算法優(yōu)化的BP神經(jīng)物聯(lián)網(wǎng)算法用GA-BP描述。

上述過(guò)程經(jīng)過(guò)BPA構(gòu)造、D-S證據(jù)融合進(jìn)行物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估，有效解決了傳統(tǒng)D-S證據(jù)理論BPA賦值缺乏客觀科學(xué)性的問(wèn)題，提高了物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估的準(zhǔn)確度。

2 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文方法在物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估方面精確高、評(píng)估效果好，實(shí)驗(yàn)采用本文方法對(duì)某時(shí)段的某物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估實(shí)驗(yàn)，將本文方法獲取的評(píng)估結(jié)果與真實(shí)的評(píng)估結(jié)果進(jìn)行對(duì)比，使本文方法更具有說(shuō)服力。真實(shí)評(píng)估結(jié)果的獲取條件為：某高校的物聯(lián)網(wǎng)2013年2月13日13：00—14:00時(shí)間段的物聯(lián)網(wǎng)；間隔5分鐘實(shí)施一次物聯(lián)網(wǎng)評(píng)估；從攻擊態(tài)勢(shì)、防御態(tài)勢(shì)、整體安全態(tài)勢(shì)三方面進(jìn)行評(píng)估。獲取的真實(shí)評(píng)估結(jié)果用圖4描述。采用本文方法進(jìn)行實(shí)驗(yàn)的具體環(huán)境為：定義低、中、高三個(gè)評(píng)估值區(qū)間(0,1]、(1,2]、(2,3]，將待評(píng)估的時(shí)間段分割成10個(gè)小時(shí)間段，采用本文方法對(duì)相同時(shí)間段相同地點(diǎn)的物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估。獲取的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果用表1描述，其中，A1表示物聯(lián)網(wǎng)處于安全狀態(tài)的概率，A2表示物聯(lián)網(wǎng)處于危險(xiǎn)狀態(tài)的概率。

圖4 真實(shí)物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果Fig.4 Real network security situation assessment results

結(jié)合圖4與表1進(jìn)行實(shí)驗(yàn)結(jié)果分析可知，本文方法在分析上一時(shí)間段內(nèi)的各類物聯(lián)網(wǎng)安全狀態(tài)評(píng)估結(jié)果的基礎(chǔ)上，獲取一下時(shí)間段的物聯(lián)網(wǎng)態(tài)勢(shì)評(píng)估實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)詳細(xì)分析三個(gè)時(shí)間段內(nèi)兩種安全態(tài)勢(shì)評(píng)估結(jié)果。

1) 在13：10～13：15時(shí)間段內(nèi)：本文方法評(píng)估的物聯(lián)網(wǎng)安全狀態(tài)概率值是0.902，物聯(lián)網(wǎng)危險(xiǎn)狀態(tài)概率值是0.147；真實(shí)的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果顯示1.56是物聯(lián)網(wǎng)攻擊態(tài)勢(shì)值，0.31是防御態(tài)勢(shì)值，1.01是整體的物聯(lián)網(wǎng)安全態(tài)勢(shì)值，說(shuō)明物聯(lián)網(wǎng)安全狀況良好，本文方法獲取的評(píng)估結(jié)果與真實(shí)評(píng)估結(jié)果相似程度高。

2) 在13：30～13：35時(shí)間段內(nèi)：本文方法評(píng)估的物聯(lián)網(wǎng)安全狀態(tài)概率值是0.089，物聯(lián)網(wǎng)危險(xiǎn)狀態(tài)概率值是0.771；真實(shí)的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果顯示1.48是物聯(lián)網(wǎng)攻擊態(tài)勢(shì)值，2.18是防御態(tài)勢(shì)值，2.56是整體的物聯(lián)網(wǎng)安全態(tài)勢(shì)值，說(shuō)明物聯(lián)網(wǎng)安全狀況不樂(lè)觀。本文方法獲取的評(píng)估結(jié)果與真實(shí)評(píng)估結(jié)果基本相似。

3) 在13：55～14：00時(shí)間段內(nèi)：本文方法評(píng)估的物聯(lián)網(wǎng)安全狀態(tài)概率值是0.652，物聯(lián)網(wǎng)危險(xiǎn)狀態(tài)概率值是0.300；真實(shí)的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果顯示1.5是物聯(lián)網(wǎng)攻擊態(tài)勢(shì)值，0.45是防御態(tài)勢(shì)值，1.55是整體的物聯(lián)網(wǎng)安全態(tài)勢(shì)值，說(shuō)明物聯(lián)網(wǎng)安全狀況樂(lè)觀。本文方法獲取的評(píng)估結(jié)果與真實(shí)評(píng)估結(jié)果基本吻合。實(shí)驗(yàn)結(jié)果表明，本文方法獲取的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果準(zhǔn)確度高。

實(shí)驗(yàn)為驗(yàn)證本文方法對(duì)于物聯(lián)網(wǎng)安全態(tài)勢(shì)的評(píng)估的有效性和可行性，從BPA值對(duì)比、態(tài)勢(shì)識(shí)別率兩方面展開實(shí)驗(yàn)分析。實(shí)驗(yàn)數(shù)據(jù)內(nèi)容為：Kddcup 99實(shí)驗(yàn)數(shù)據(jù)，實(shí)驗(yàn)物聯(lián)網(wǎng)的態(tài)勢(shì)指標(biāo)參數(shù)。實(shí)驗(yàn)具體設(shè)置是：100M局域網(wǎng)，192.168.1.0/24內(nèi)網(wǎng)IP網(wǎng)段，采用222.89.32.71C類網(wǎng)址與Internet進(jìn)行連接；將Snort2.1.0、NIP2100D分別安放在web服務(wù)器、ftp服務(wù)器與samba服務(wù)器中，物聯(lián)網(wǎng)安全態(tài)勢(shì)的研究參數(shù)的獲取是通過(guò)存儲(chǔ)不同的IDS時(shí)間到數(shù)據(jù)中心的方式實(shí)現(xiàn)的，實(shí)驗(yàn)的源數(shù)據(jù)則是通過(guò)記錄路由器NetFlow流量信息與Nessus漏洞信息的方式獲取的。實(shí)驗(yàn)采用的測(cè)試集是從源數(shù)據(jù)中提取的訓(xùn)練集，主要包括樣本的輸入與輸出信息，表2對(duì)部分訓(xùn)練集進(jìn)行了詳細(xì)的描述。

表2 樣本的輸入與輸出

分析表2能夠看出，態(tài)勢(shì)指標(biāo)參數(shù)X1、X2、X3是樣本輸入，輸出的樣本是待評(píng)估的態(tài)勢(shì)N、A、θ，根據(jù)這些信息獲取本文方法進(jìn)行物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估時(shí)的訓(xùn)練誤差變化圖，用圖5描述。

圖5 本文方法物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估誤差變化圖Fig.5 Proposed method network security situation assessment error change diagram

分析圖5能夠看出，訓(xùn)練開始的初期，本文方法的評(píng)估誤差率僅為0.07%，隨著樣本數(shù)量的增加，本文方法的評(píng)估誤差率呈明顯下降的趨勢(shì)，由0.07%降低到0.01%左右且趨于穩(wěn)定，說(shuō)明本文方法對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)的評(píng)估誤差率較小，性能好。

為使本文方法的有效性和可行性更具有說(shuō)服力，采用本文方法、K-均值聚類方法、BP神經(jīng)物聯(lián)網(wǎng)方法對(duì)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估，獲取BPA評(píng)估結(jié)果，表3對(duì)三種方法的性能對(duì)比結(jié)果進(jìn)行描述，圖6對(duì)三種方法獲取的BPA結(jié)果進(jìn)行了描述。

表3 不同方法的性能對(duì)比

圖6 三種方法的BPA值評(píng)估結(jié)果Fig.6 BPA value evaluation results by three methods

分析表3可以看出，在完成等量的物聯(lián)網(wǎng)評(píng)估的情況下，本文方法使用的迭代次數(shù)最少，均方誤差最小，說(shuō)明本文方法在收斂速度與均方誤差方面具有明顯的優(yōu)勢(shì)，性能較好。

分析圖6可以看出，三種方法的BPA值評(píng)估結(jié)果曲線走勢(shì)大致相同，具體看來(lái)，采用K-均值聚類方法與BP神經(jīng)物聯(lián)網(wǎng)方法獲取的BPA值位于曲線圖的下方，明顯低于預(yù)期輸出結(jié)果；本文方法獲取的BPA值位于曲線圖的上方，最高達(dá)0.89，超過(guò)其余兩種方法，且與預(yù)期輸出曲線走勢(shì)基本吻合。實(shí)驗(yàn)結(jié)果表明，本文方法的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估精度高、評(píng)估效果好。

在實(shí)驗(yàn)態(tài)勢(shì)指標(biāo)參數(shù)的基礎(chǔ)上，在時(shí)間T(T1～T10)內(nèi)，采用本文方法分別輸出態(tài)勢(shì)狀態(tài)N、A、θ的BPA值，獲取的結(jié)果用表4描述。

表4 時(shí)間態(tài)勢(shì)BPA

基于D-S證據(jù)融合與物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估過(guò)程，實(shí)驗(yàn)采用Dempster公式融合本文方法輸出的物聯(lián)網(wǎng)安全態(tài)勢(shì)BPA，本次融合依照時(shí)間順序合理實(shí)施，獲取的關(guān)于時(shí)間點(diǎn)的融合態(tài)勢(shì)BPA用表5描述。

表5 關(guān)于時(shí)間點(diǎn)的融合態(tài)勢(shì)BPA

Tab.5 Fusion situation of time points BPA

TNAθm10.145 40.523 30.308 1m1m20.033 10.7660.176 6m1m2m30.070 10.810.101 6m1m2m3m40.015 40.876 80.097 4m1m2m3m4m5…0.0030.946 70.040 9

分析表5能夠看出，在融合的過(guò)程中，隨著時(shí)間的推進(jìn)，本文方法獲取的未知態(tài)勢(shì)值由0.308 1持續(xù)降低至0.040 9，同時(shí)異常態(tài)勢(shì)值由0.523 3持續(xù)升高至0.946 7。實(shí)驗(yàn)引入決策邏輯最大Bel方法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行狀態(tài)判斷，根據(jù)表5提供的數(shù)值顯示此物聯(lián)網(wǎng)處于異常狀態(tài)。經(jīng)過(guò)數(shù)次的融合使得采用本文方法獲取的數(shù)據(jù)呈現(xiàn)峰值，并且具有容易區(qū)分的優(yōu)點(diǎn)，便于對(duì)物聯(lián)網(wǎng)安全態(tài)勢(shì)進(jìn)行評(píng)估。實(shí)驗(yàn)結(jié)果表明，本文方法能夠準(zhǔn)確評(píng)估物聯(lián)網(wǎng)安全態(tài)勢(shì)，獲取結(jié)果的不確定因素幾乎為0，具有較高的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估性能。

為驗(yàn)證本文方法對(duì)于物聯(lián)網(wǎng)安全態(tài)勢(shì)的評(píng)估的有效性，根據(jù)態(tài)勢(shì)指標(biāo)標(biāo)準(zhǔn)，以滲透攻擊的方式對(duì)局域網(wǎng)展開模擬實(shí)驗(yàn)，最終實(shí)現(xiàn)對(duì)模擬物聯(lián)網(wǎng)安全態(tài)勢(shì)的識(shí)別與評(píng)估。定義該次實(shí)驗(yàn)時(shí)間是一小時(shí)，在這一時(shí)間段內(nèi)獲取的物聯(lián)網(wǎng)態(tài)勢(shì)數(shù)據(jù)的基礎(chǔ)上進(jìn)行實(shí)驗(yàn)，同時(shí)采用本文方法與D-S證據(jù)理論方法進(jìn)行對(duì)比分析，兩者獲取的物聯(lián)網(wǎng)安全態(tài)勢(shì)識(shí)別制成曲線圖，用圖7描述。

圖7 2種方法的態(tài)勢(shì)識(shí)別率對(duì)比Fig.7 Situation recognition rate by two methods

分析圖7能夠看出，采用本文方法獲取的物聯(lián)網(wǎng)安全態(tài)勢(shì)識(shí)別率總體位于D-S證據(jù)理論方法獲取態(tài)勢(shì)識(shí)別率的上方；本文方法獲取的最低物聯(lián)網(wǎng)安全態(tài)勢(shì)識(shí)別率在70%以上，最高識(shí)別率達(dá)到95%，且后期穩(wěn)定在90%左右；D-S證據(jù)理論方法獲取的最低物聯(lián)網(wǎng)安全態(tài)勢(shì)識(shí)別率為62%，最高識(shí)別率僅為83%，持續(xù)時(shí)間較短后期呈下降趨勢(shì)。實(shí)驗(yàn)結(jié)果表明，本文方法比未改進(jìn)的D-S證據(jù)理論方法具有更強(qiáng)的物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估性能，評(píng)估精度高、識(shí)別效果好。

3 結(jié) 語(yǔ)

提出了改進(jìn)D-S證據(jù)理論物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估模型，在解決D-S證據(jù)理論BPA賦值存在主觀片面性問(wèn)題的基礎(chǔ)上，科學(xué)地融合物聯(lián)網(wǎng)安全態(tài)勢(shì)信息，準(zhǔn)確獲取物聯(lián)網(wǎng)安全態(tài)勢(shì)評(píng)估結(jié)果，具有精確度高、誤差小的優(yōu)勢(shì)。為互聯(lián)網(wǎng)環(huán)境有效評(píng)估提供了科學(xué)的手段，一定程度上促進(jìn)了物聯(lián)網(wǎng)環(huán)境的良好運(yùn)轉(zhuǎn)。