论文部分内容阅读
当前漏洞样本来源种类繁多，样本属性大同小异，研究漏洞搜索方法与融合技术可更全面更高效地获取有价值的漏洞样本，解决样本冗余所带来的各种问题，帮助构建更完善统一的漏洞样本库。基于链接结构分析的搜索策略搜索搜集漏洞样本注重效率，同时兼备较高的准确性。进而，研究样本融合技术则有助于采集样本的属性更加精简完整，描述更加全面准确。 本文首先分析了漏洞样本分析方法中搜索与融合技术的国内外研究现状，针对搜索技术中算法性能损耗过高、效率较低等问题，提出了基于PageRank算法的改进方案，优化样本检索过程;针对融合技术中融合准确率较低、误差较大等问题，提出了形式化表示漏洞融合过程的数学模型，构建了基于相似度分析的样本融合系统，整合多源异构样本。 通过漏洞样本搜索方法的基础理论研究，分析了网页间的链接结构，得出PageRank算法可有效帮助搜索有价值较权威的漏洞样本信息。其中PageRank算法的幂法求解过程为提升效率的关键，进而针对该过程提出了该算法的二级加速优化方案。该方案将应用原点平移法对原始网络邻近矩阵进行预处理，实现算法的一级加速。通过对于迭代加速方法Aitken算法的研究，提出了相应的改进方案，进一步提升该算法的加速能力，并用于PageRank算法的加速中，实现了二级加速效果。最后结合当今大规模数据处理技术,将本方案基于Mapreduce架构实现并行化计算，从而完善基于PageRank算法的加速流程，显著提升了漏洞样本搜索时爬取网页信息过程的搜索效率。 其次，依据多源异构漏洞样本的数据特性，本文设计了一套以漏洞信息搜索与融合技术为核心的样本采集系统，并参考了各大权威漏洞信息平台发布的信息属性，筛选出其中九个高实用价值、高认可度的属性作为系统数据库保留属性。多源异构样本采集系统由两部分组成。漏洞样本搜索系统基于垂直搜索引擎结构进行设计，利用本文提出的PageRank算法改进方案多渠道有针对性的搜集漏洞样本，最终生成原始漏洞信息库;漏洞信息融合子系统主要面向原始漏洞信息库中的数据，多以CVE编号为区分漏洞样本依据，漏洞描述和影响产品属性为信息融合主要对象，依靠相似度分析算法进行去重与完善属性，并最终生成标准漏洞信息库供用户查询检索。 最后，分别搭建了实验环境以验证本文提出的改进PageRank算法和样本采集系统的功能性、有效性。通过实例证明了基于改进PageRank算法的优化方案可大大加速搜集样本过程，证实了融合系统在精简冗余信息的同时亦可保证漏洞样本属性的完整性与准确性。