| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
［提要］ 针对当前大多数据库安全评价系统没有全面地分析数据，因此难以从整体上获取数据库的安全状态问题，提出基于模糊粗糙集的数据库安全评价模型，给出模糊粗糙集的属性约简方法。并通过实验数据对决策规则提取方法进行验证，结果表明模型得出的决策规则满足实际需要。
关键词：安全评价；数据库；模糊集；粗糙集
基金项目：保定市科技计划资助项目（项目编号：10ZC007）；河北大学自然科学研究计划项目（项目编号：2008Q50）
中图分类号：TP393.1 文献标识码：A
原标题：基于模糊粗糙集的数据库安全评价
收录日期：2013年4月14日
一、引言
当前，网络安全的日益恶化对信息安全造成了严重威胁，网络安全已经成为关系到国家稳定和社会发展的重大课题。数据库系统安全作为网络安全的重要分支，有着显著的研究意义。
数据库安全评价的核心在于决策信息的制定。在传统的决策制定过程中，人们试图从特定的标准化思维模型入手。然而，在实现过程中，如何最小化主观随机性，以及对主观因素模糊理解的不确定性一直困扰着人们。本研究将模糊集和粗糙集理论结合起来，提出了一个基于模糊粗糙集的数据库安全评价模型。首先，使用模糊集理论对目标信息系统进行模糊离散化，然后为了使用特定的信度挖掘数据库安全决策信息，利用粗糙集理论的连接度对数据库安全决策信息进行属性约减。
二、评价过程
（一）数据预处理。在这个阶段，使用模糊集对原始数据进行处理。原始数据主要包括布尔型数据、数值型数据、类属性和空数据。这四类数据必须离散化，才能用于进一步的聚集处理。
1、空数据成员函数
μ■（S■）＝min（μ■（S■）），r■≤l■mid（μ■（S■）），l■＜r■＜h■max（μ■（S■）），r■≥h■（1）
2、数值型数据成员函数
μ■（C■■）=N（C■）/n，l=1，2，3，…，i=1，2，3，… （2）
3、类属性成员函数
μ■（C■■）=N（C■）/n，l=1，2，3，…，i=1，2，3，… （3）
4、布尔型数据成员函数
μ■（S■）=N（α■）/n，k=1，2，…，n （4）
（二）数据聚类。首先把数据对象分成若干个类别，然后将他们应用于不同类型的挖掘规则。在这个阶段，规则的准确性可以得到提高，并且算法的时间复杂度也将会降低。对数据库安全评价信息进行数据聚类的步骤定义如下：
1、在域U的元素之间建立模糊相似关系R。矩阵R的0元素r■：
r■＝1，i=j■，i≠j （5）
2、从R开始，得到映射G=（V，E），导出最大生成树T=（V，TE）。
3、根据实际问题需要，引入集合λ∈［0，1］，T（e）是分支e的重量值，T（e）<λ。
聚类分析之后，对单一类别进行分析，以过滤那些含有较少元素的类别，将元素数量低于阈值的类别删除。
（三）属性约简。对原始数据进行聚类之后，就可以对分类数据对象进行属性约简和强规则提取了。其具体实现步骤如下：
1、首先，分离系统属性以建立相关的条件属性和决策属性。
2、然后，使用区分矩阵和分明函数，得到属性的约简集。对区分矩阵定义如下：
M（B）＝｛m（i，j）|■1≤i，j≤n｝，m（i，j）＝｛a∈A|a（i）≠a（j）&d（i）≠d（j）｝，n=U （6）
3、通过使用约简属性派生规则集，可以从分明函数的最小析取范例得到属性约简集。
4、删除频度小于给定阈值μ0的奇异规则。
5、保留达到最小支持度μs和最小信任度μc的规则，将其作为强规则。
三、个案研究
为了测试数据库安全评价模型的能力，课题组基于局域网建立了一个实验环境。为了提供更复杂的网络攻击数据，使用各种网络程序在同一时间对数据库服务器实施攻击行为。
（一）对评估样本数据进行预处理。为了借助网络程序对数据库系统实施攻击，课题组选用了典型的网络攻击手段作为安全因子。安全因子集定义为：
F=｛T1，T2，T3，T4，T5，T6｝ （7）
Ti表示对数据库实施的第i次攻击，F表示来自局域网的一组攻击。F中每个元素的取值为0或1，其中0表示攻击不存在，1表示攻击存在。根据上文所述，首先进行数据预处理。然后，将选出的样本进行数据聚类。在本实验中，课题组选出了一段时间内的64个样本，经过数据聚类，这些样本被分成8组，其中一组如表1所示。使用H、N、L表示风险程度，其含义相应为高风险、正常风险和低风险。（表1）
（二）决策表约简和规则提取。接下来对上一步骤中得到的决策表实施约简。属性约简之后，就可以从决策表中提取数据库安全评价规则了，如表2所示。可以在这个表中清楚地看到数据库安全评价规则，同时也可以集中精力关注那些高风险攻击事件。（表2）
四、结论
本论文提出了一个基于模糊粗糙集的数据库安全评价模型。通过首先执行数据预处理和数据聚集的方法，然后提取出评价规则。这个方法不仅能减小数据量，还能减小数据干扰项。数据聚集之后，就可以得到样本分类知识，并且进行规则提取。在规则提取过程中，通过分析奇异规则、客量度和规则约束来提高规则的提取效率和精确度。实验结果表明，本文提出的数据库安全评价模型是切实有效的。
（作者单位：河北大学计算中心）
主要参考文献：
［1］S.B.Batsell，N.S.Rao，M.Shankar，Distributed Intrusion Detection and Attack Containment for Organizational Cyber Security，http：//www.io-c.ornl.gov/projects/docume nts/
containment.pdf.
［2］T.Bass，Intrusion Detection System and Multisensor Data Fusion［J］.Communications of the ACM，Vol.43，No.4，2000.
［3］J.Shifflet，A Technique Independent Fusion Model for Network Intrusion Detection，Proceedings of the Midstates Conference on Undergraduate Research in Computer Science and Mathemat-ics，2008.
［4］M.Qiao，Research on Knowledge Discovery and Reasoning Methods Based on Rough Set and Database Technology，Tianjin University，2006.
［5］W.J.Liu，Y.D.Gu，J.Y.Wang，Rough-fuzzy Ideals in Semigroups［J］.Fuzzy Systems and Mathematics，2004.3.
［6］K.Chakrabarty，R.Biswas，S.Nanda，Fuzziness in rough sets［J］.Fuzzy Sets and Systems，2000. |
|
|
|
