基于Hash算法的无线网络安全态势评估方法

刘亚鹏

关键词：Hash算法；无线网络；安全态势；评估方法

1引言

若要对整个无线网络安全风险进行更加有效地监控，则必须对存在的威胁值做出正确的评估，所以需要开发一项专门用于针对整个无线安全评估的新技术，并具备相应的理论依据和实用价值，因此可以将Hash算法（散列算法）应用到无线网络安全态势评估中。

Hash算法可以把任何较长的二进制数据都映射到长度很短的固定二进制数据中，这些长度较短的二进制数据也被称为哈希值，而这些哈希值正是在任何一种数据都比较密集的情况下所表现出来的另一种数据形式[1]。但如果对某个明文加以散列处理，抑或是在明文中存在任何一种数字，最后所得到的哈希值也是不相同的，这就需要通过使用相同哈希值的数据来检验数据的完整性，在一般情形下可以应用快速搜索的加密算法[2]。

Hash算法最主要的作用是创造出了一个可以对数据信息进行迅速储存的方法，它可以利用这种算法中所形成的键数来和实际数据值进行对应，能够从数组条件中快速找出里面所存储的数据信息。而且，每一个真实数据值所对应的键值只有一个，该键值同日寸可以对应多个真实数据值。在Hash算法的基础上，可以计算出一种进行无线网络安全态势评估的方法。

2建立无线网络安全状态判断模型

无线网络中最基本的管理功能是对传输设备进行分离与集中的管理，在处理传输路径标准化时，需要集中展现控制器，使所有的管理功能都可以通过集中管理来实现直接编程。与无线网络技术相应出现的还有网络功能虚拟化技术，其主要是利用网络的模块化功能，将当前存在的软件和硬件问题加以耦合，使其转化成通用性的软件。采用无线网络和网络功能虚拟化技术的网络安全系统可以使二者实现高度结合，从而实现一个多元服务的开放式互联网，在这样的网络结构下，中间存在的所有壁垒都可以被攻破，进而使互联网变为开放式的结构。

本文所使用的无线网络安全态势评估模型，是作为一种能够保证通信过程中能量消耗安全的模型，因此该模型在无线网络中被更加广泛地使用。使用该模型有利于对所提出的方案进行优化并保证传输数据过程中的安全程度。以下是无线网络安全态势评估模型内部具体的参数与指标：当传输距离为厂时，其内部传输数据比特数据包所需要的能量为：

3构造多变量Hash函数

在限定区域Gw上，存在m个变项的二次方程组，G…的计算式为！

使用消息队列问题来对多变量Hash函数进行直接构造，对多变数的差分攻击问题进行抵御，使用在有限范围中最高次数等于2的多变数方程组来构造新的Hash压缩函数[6-7]．由此构造多变量Hash函数，既提高了效率，又保证了数据的安全。

4層次归一化与安全态势评估

为了避免无线网络出现功能退化以及传输速度异常的情况，就需要对网络虚拟安全编码器进行层级归一化处理。无线网络模型是一种能够利用自身的注意力机制来进行深度网络学习的模型，并且其内部形成的注意力机制可以根据数据信息的安全程度来进行不同权重的分配[8]。因此，关于缩放数量积的自注意力函数的计算过程为：

在对无线网络安全态势进行评估时，必须收集与无线网络安全相关的大数据集合，并对其进行预处理，其中涉及数据筛选、数值化、标准化、时间序列化等主要过程。在进行预处理后，再按照网络攻击的危险程度对态势值做出适当设置。收集到的数据集可以分为训练集合和测试集合。然后，将经过预处理后的练习集送人新建立的网络模块中进行训练。在练习集中选择一些样本后进行传输，得出结论并将其反向传播后，再使用优化器将整个网络进行优化处理。所谓传输测试集合，是指将得到的结果与之前结果进行对比，并将其保存到最终的网络内部再进行评估，导出所完成的评估态势值，就可以实现基于Hash算法的无线网络安全态势评估。

5应用测试与分析

为了测试此次提出的网络安全态势评估方法的可靠程度和实际使用效果，将此次研究的无线网络安全态势评估方法作为实验组，将传统方法LR-NodeRank与层次分析法所构建的无线网络安全态势评估模型分别作为对照组1和对照组2，分析三种方法在相对稳定的前提下，哪一种方法可以更加快速且准确地预测出网络的异常状况。具体结果如表1所列。

从表1可以看出，基于LR-NodeRank的无线网络安全态势评估方法与基于层次分析法的无线网络安全态势评估方法，通过10轮检验后的精准程度都在70％～75％。但在反应方式与时间方面却存在不同之处，基于LR-NodeRank的无线网络安全态势评估方法反应时限在65～70s之间：而基于层次分析法的无线网络安全态势评估方法反应时限在50～55s之间。本文所提到的无线网络安全态势评估方法的精准程度可以达到90％～93％，并且系统反应时间只需要19～23s。由此计算可知，基于LR-NodeRank的无线网络安全态势评估方法精准程度为72. 88％，反应时间为67.27s：基于层次分析法的无线网络安全态势评估方法精准程度为72.73％，反应时间为51.86s：而本文无线网络安全态势评估方法精准程度为91.55％，反应时间为20.44s。

综上所述，两种传统的无线网络安全态势评估方法精准程度基本相同，但基于层次分析法的无线网络安全态势评估方法的反应时间更短：而本文方法在反应时间上比传统方法更短，且精准程度也更高。因此，本文方法可达到预期效果。

6结束语

实践证明，基于Hash算法的无线网络安全态势评估方法优于传统的无线网络安全态势评估方法，精准程度较高，且反应时间较短。但是，前者也有一定缺陷，今后应该设计一个应对突发异常状况的人工网络系统，一旦出现紧急情况，可以及日寸地对网络进行远程操控，甚至可以根据网络系统内部的知识库对异常情况进行自动处理，从而使其更加智能。