本站小編為你精心準備了無線通信網絡安全漏洞智能監測系統參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

隨著無線網絡技術的高速發展，各大網絡運營商將發展無線通信網絡作為重要發展目標，不斷加大無線網絡的投入[1]。隨著5G技術的面世，無線通信網絡也得到了長足的發展，但隨之產生的安全問題也成為了此領域的重點研究內容。無線通信網絡安全問題關系到社會甚至國家的信息安全問題[2]。其中，無線通信網絡安全漏洞成為目前需要解決的主要問題，通信網絡中的安全漏洞會產生大量漏洞數據，漏洞數據是在硬件、軟件、協議或具體通信系統中，由安全漏洞產生的一系列數據。通過分析漏洞數據可獲得漏洞形成的原因并及時修補漏洞，保證無線通信網絡的安全。因此，如何提高無線通信網絡系統的自主防御與網絡安全漏洞監測能力，成為該領域的熱點問題[3]。為此，相關研究人員對此進行了大量的研究。文獻[4]提出基于動態污點分析的漏洞監測方法，對通信網絡節點的漏洞進行識別。該方法通過分析網絡節點漏洞的性質，將其按性質進行匯集。采用漏洞識別適應度函數對通信網絡節點漏洞進行識別。該方法可以有效識別無線網絡節點中的漏洞，但該方法操作過程較為復雜，存在工作效率較低的問題。文獻[5]設計了基于硬件虛擬化的漏洞監測技術，該技術通過總體框架的構建，以及硬件、軟件的詳細設計，通過漏洞掃描工具收集系統中存在的漏洞數據，融合采集到的漏洞數據，并進行詳細分析。通過機器學習技術完成了通信網絡異常行為入侵的檢測。該方法對通信中的多種異常行為進行分析，可以有效攔截異常入侵，但漏洞的識別存在識別精度低等問題。基于上述方法存在的問題，提出基于機器學習的無線通信網絡安全漏洞智能監測系統設計。該系統引入機器學習算法，通過硬件及軟件的設計，完成無線通信網絡安全漏洞智能監測系統設計。實驗結果表明，該系統可有效對無線通信網絡安全漏洞進行監測，監測準確性較高且工作效率較高。

1系統硬件設計

漏洞一旦出現將攻擊整個網絡系統，漏洞在無線通信網絡系統中也較為常見[6]。無線通信網絡安全漏洞是導致通信網絡被攻擊、被入侵的主要原因[7]。對無線通信網絡安全漏洞的及時發現十分重要。無線通信網絡在實際網絡部署中，將PTK-5500控制器設在省級核心網絡中，管理無線通信網絡平臺，保障無線通信網絡安全。原有無線通信網絡安全漏洞監測系統主要通過ICMPEcho和BroadcastICMP掃描技術對無線通信網絡漏洞進行掃描，其操作過程均通過向無線通信網絡發送請求，等待主機回應之后進行監測，且監測系統內部結構復雜，響應時延較長，不利于及時監測無線通信網絡漏洞。該文對系統進行了改進，改進后的系統硬件主要包括3個模塊：漏洞數據采集模塊、漏洞數據掃描模塊以及無線通信網絡安全漏洞智能監測模塊。通過直接抓取漏洞數據，并采用T-MPLS高速數據傳輸技術，對采集、掃描、監測獲得的數據進行傳輸。通過機器學習技術提高漏洞監測的總體效率，運用機器學習對漏洞進行高速掃描，實現漏洞的高效率監測。改進后的監測系統對漏洞監測的反應更為靈敏，且降低了系統的開發成本。

1.1漏洞數據采集模塊

在安全漏洞數據采集模塊中，對無線通信網絡安全漏洞數據進行采集，針對無線通信漏洞數據屬性，分析漏洞數據間存在的聯系，整合不確定安全漏洞數據，并將其劃分到相應的數據集合中，選用無線數據采集器對整合的安全漏洞數據進行采集。該數據采集器的電源接口為DC12V直插式，經過RJ45網口連接網線，可以將發射端的數據轉發到服務器上，操作便捷簡單[9]。

1.2漏洞數據掃描模塊

該系統為了無線通信網絡節點的平穩運行，設置了漏洞掃描器。該漏洞掃描器接口對無線通信網絡節點數據進行分類掃描，將不同數據節點集中到同一數據集合中，保證漏洞數據掃描過程的安全性。在掃描器中設置XSS漏洞檢測插件[10-11]，通過該插件對無線通信網絡安全漏洞進行掃描。

1.3無線通信網絡安全漏洞智能監測模塊

在對無線通信網絡漏洞數據信號追蹤時，監測漏洞數據的系統會話操作，根據不同客戶標準對通信網絡安全漏洞信息進行數據解析，標記系統漏洞數據，選擇合理的匹配模式，重組通信網絡IP分片，完善高層協議系統性能，降低空間數據查找復雜度[12-13]，將此作為漏洞數據監測的基礎，選擇與系統不符的數據信息，將其進行組合形成完全漏洞數據集，對安全漏洞數據集進行監測，從而完成網絡安全漏洞的智能監測。

2系統軟件設計

為強化監測系統的軟件部分，該文引入機器學習算法[14]，將其與智能監測系統軟件相結合，實現無線通信網絡安全漏洞的智能監測。在無線通信網絡安全漏洞監測過程中，利用最優評價函數處理通信網絡中的正常數據。但還存在偽裝較深的異常數據，故需要對這些數據作進一步處理。引入神經網絡算法，對其進行篩選，構建三層神經網絡算法模型[16]，包括輸入層、輸出層以及規則層。

3實驗分析

3.1實驗環境與參數設置

實驗選擇在Matlab平臺上進行操作，操作系統為Windows7,E52678V3處理器。

3.2實驗結果分析

3.2.1監測漏洞耗時分析

為驗證文中方法的有效性，實驗對比該文方法、文獻[4]方法以及文獻[5]方法在無線通信網絡安全漏洞監測的耗時，用時越短證明該方法工作效率越高。在相同參數條件下，該文監測漏洞的耗時較低。當監測的漏洞數據為200條時，該文方法的監測耗時約為1.4s，文獻[4]方法的監測耗時約為6.3s,文獻[5]方法的監測耗時約為4.5s。其中，文獻[4]方法和文獻[5]方法在進行無線通信網絡漏洞監測時，將疑似漏洞數據進行融合，分析獲取的數據性質，并將這些數據進行重新匯集，操作過程復雜，系統響應時間較長。而該文系統進行監測時，對無線通信網絡數據進行有目的獲取，可直接有效確認和抓取無線通信網絡中存在的漏洞數據，反應時延較短，驗證了該文方法工作效率較高，具有一定可行性。

3.2.2監測漏洞的準確性分析

為了進一步驗證該文系統的有效性，實驗對比了3種方法在監測200條無線通信數據時，監測出漏洞數據的準確性。隨著監測數據的不斷增加，3種方法的監測準確性呈現下降趨勢。其中，當監測數據為100時，該文方法監測漏洞數據的準確性為95%，文獻[4]方法監測漏洞數據的準確性為85%，文獻[5]方法監測漏洞數據的準確性為82%；當監測數據為200時，該文方法監測漏洞數據的準確性為90%，文獻[4]方法監測漏洞數據的準確性為78%，文獻[5]方法監測漏洞數據的準確性為70%。雖然監測準確性呈下降趨勢，但該文方法監測漏洞數據的準確性均在90%以上，高于其他兩種方法的監測準確性，驗證了該文方法的可靠性。

4結束語

該文在傳統無線通信網絡安全漏洞監測系統基礎上，提出基于機器學習的無線通信網絡安全漏洞智能監測系統。通過系統硬件模塊功能的完善，結合機器學習智能算法，分析無線通信網絡安全漏洞數據屬性等，完成了無線通信網絡安全漏洞智能監測系統的設計。實驗結果表明，采用該文方法進行無線通信網絡安全漏洞的監測準確性均在90%以上，且工作效率較高，在該領域具有一定的實際意義。

作者:蔣志頎 范雷 單位:公安部第一研究所