基于高階異構(gòu)度的執(zhí)行體動(dòng)態(tài)調(diào)度算法

賈洪勇，潘云飛，劉文賀，曾俊杰，張建輝

（1.鄭州大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，河南 鄭州 450001；2.國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心，河南 鄭州 450001）

0 引言

針對當(dāng)今網(wǎng)絡(luò)安全易攻難守的局面，美國國家科學(xué)技術(shù)委員會提出了移動(dòng)目標(biāo)防御（MTD，moving target defense）[1]。其采用包括IP 地址和端口跳變[2]、IP 安全協(xié)議隨機(jī)化[3]、用戶角色隨機(jī)化、地址空間隨機(jī)化[4-7]、指令集合隨機(jī)化[8]以及動(dòng)態(tài)路由[9]等相關(guān)技術(shù)手段構(gòu)建一種動(dòng)態(tài)的、不確定的網(wǎng)絡(luò)攻防環(huán)境，使防御目標(biāo)對攻擊者表現(xiàn)出不可預(yù)測的狀態(tài)。

2014 年，鄔江興院士[10]提出了網(wǎng)絡(luò)空間擬態(tài)防御（CMD，cyber mimic defense），并結(jié)合生物學(xué)“擬態(tài)偽裝”和“特異和非特異性免疫”現(xiàn)象，以異構(gòu)冗余和動(dòng)態(tài)反饋機(jī)制不斷調(diào)整防御系統(tǒng)執(zhí)行環(huán)境，從而打破以往的被動(dòng)防御，以一種主動(dòng)變遷[11]的方式對已知或未知漏洞后門等實(shí)現(xiàn)優(yōu)秀的防御效果。其核心架構(gòu)是動(dòng)態(tài)異構(gòu)冗余（DHR，dynamic heterogeneous redundancy）[12-13]，如圖1 所示。

圖1 DHR 架構(gòu)

調(diào)度和裁決模塊是DHR 的2 個(gè)核心模塊。調(diào)度模塊具有從等待池調(diào)度執(zhí)行體進(jìn)入運(yùn)行池的功能，一個(gè)優(yōu)秀的調(diào)度算法應(yīng)兼顧調(diào)度的動(dòng)態(tài)性和安全性，使攻擊者無法判斷當(dāng)前運(yùn)行執(zhí)行體編號并使調(diào)入執(zhí)行體對攻擊者的攻擊造成嚴(yán)重阻礙；裁決模塊具有判斷運(yùn)行池中執(zhí)行體輸出是否正確的功能，其能幫助系統(tǒng)分辨出已被攻破的執(zhí)行體，評估并預(yù)警系統(tǒng)的安全隱患。調(diào)度/裁決算法的可靠程度關(guān)系到DHR 架構(gòu)的安全性，即整個(gè)系統(tǒng)的安全程度，因此對調(diào)度/裁決算法的研究是至關(guān)重要的。本文主要針對調(diào)度算法的優(yōu)化進(jìn)行研究。

目前，圍繞調(diào)度算法[14]的優(yōu)化問題，已有很多學(xué)者提出了相應(yīng)的解決方案。文獻(xiàn)[15]提出了基于歷史信息的人工調(diào)度算法FAWA（feedback artificial weighted algorithm），該算法通過歷史記錄威脅信息動(dòng)態(tài)調(diào)度執(zhí)行體以達(dá)到動(dòng)態(tài)改變的效果，但未考慮執(zhí)行體間的差異性問題；文獻(xiàn)[16-17]采用二階相似性進(jìn)行裁決/調(diào)度算法優(yōu)化，這種方法能有效增大運(yùn)行池中執(zhí)行體的異構(gòu)度，減小共模漏洞，但在等待池中執(zhí)行體確定的情況下會造成執(zhí)行體集調(diào)度單一化的問題；文獻(xiàn)[18]提出了基于隨機(jī)種子的調(diào)度算法，該算法考慮了調(diào)度的動(dòng)態(tài)性和執(zhí)行體間異構(gòu)度，但其只考慮了執(zhí)行體的二階異構(gòu)度，無法準(zhǔn)確評估執(zhí)行體間的差異性；文獻(xiàn)[19]提出了高階異構(gòu)度的性質(zhì)并給出了基于高階異構(gòu)度的裁決算法，其證明了引入高階異構(gòu)度的裁決算法具有優(yōu)于傳統(tǒng)僅考慮二階異構(gòu)度算法的安全性，但并未給出高階異構(gòu)度的計(jì)算方法。目前，執(zhí)行體調(diào)度領(lǐng)域的研究缺少一種從高階層面考慮執(zhí)行體間異構(gòu)度的動(dòng)態(tài)調(diào)度算法。

本文的主要研究工作及貢獻(xiàn)如下。

1)在FAWA 的基礎(chǔ)上引入高階異構(gòu)度思想，設(shè)計(jì)并提出了一種同時(shí)考慮歷史威脅信息和執(zhí)行體高階異構(gòu)度的調(diào)度算法HFAWA（high level heterogeneity feedback artificial weighted algorithm），解決了因未考慮異構(gòu)度導(dǎo)致系統(tǒng)共模漏洞過多、只考慮異構(gòu)度造成執(zhí)行體調(diào)度固化無法動(dòng)態(tài)變動(dòng)的問題。

2)基于容斥原理給出高階相似度和高階異構(gòu)度的計(jì)算方式，解決了目前缺少高階異構(gòu)度計(jì)算方法的問題。

3)通過對DHR 結(jié)構(gòu)中調(diào)度模塊與裁決模塊間關(guān)聯(lián)分析，提出了根據(jù)裁決算法動(dòng)態(tài)改變的HFAWA 改進(jìn)策略，并以大數(shù)裁決算法為例給出了相應(yīng)改變方法。

4)通過進(jìn)行碰撞實(shí)驗(yàn)和大數(shù)裁決系統(tǒng)攻擊（LSA，large number adjudication system attack）實(shí)驗(yàn)，對現(xiàn)有5 種調(diào)度方案進(jìn)行對比評估，驗(yàn)證了HFAWA 相較于以往方案具有明顯的安全性優(yōu)勢且兼具動(dòng)態(tài)調(diào)度執(zhí)行體的能力。

1 基于高階異構(gòu)度的負(fù)反饋調(diào)度算法

1.1 二階異構(gòu)度存在的問題

目前，在引入異構(gòu)度的執(zhí)行體調(diào)度算法的研究中，使用的異構(gòu)度指標(biāo)均為二階異構(gòu)度[16]，其通過異構(gòu)體之間兩兩比較的差異程度值求和的方式來計(jì)算整體的差異度。當(dāng)運(yùn)行池大小大于2 時(shí)，僅考慮二階異構(gòu)度的調(diào)度算法會產(chǎn)生局限性，造成系統(tǒng)出現(xiàn)共模漏洞。下面進(jìn)行舉例分析。

假設(shè)在系統(tǒng)等待池中存在4 個(gè)執(zhí)行體（編號為1～4），其存在的漏洞情況如表1 所示。

表1 執(zhí)行體存在的漏洞情況

若當(dāng)前所需調(diào)度執(zhí)行體數(shù)量為3，則可以得到異構(gòu)體間的2 階相似度矩陣為

對各種調(diào)度情況的相似度進(jìn)行求和，如表2所示。

表2 二階相似度求和

算法應(yīng)選取二階相似度最?。串悩?gòu)度最大）結(jié)果作為調(diào)度方案，即1，2，3 或1，3，4。但當(dāng)觀察執(zhí)行體漏洞情況時(shí)發(fā)現(xiàn)，無論是1，2，3 還是1，3，4 均存在大小為1 的共模漏洞（5 或1）；當(dāng)系統(tǒng)選擇1，2，4 時(shí)，系統(tǒng)整體共模漏洞為0，為最優(yōu)解。因此，需要引入高階異構(gòu)度來解決這一問題。

1.2 基于相似度的高階異構(gòu)度計(jì)算方法

文獻(xiàn)[18]給出了二階相似度的相關(guān)含義指標(biāo)，即在余度為n的n模冗余體集合Ω中，相似度由集合中所有不同元素兩兩之間的相似度之和歸一化表示，即

這種相似度計(jì)算方式缺乏對高階異構(gòu)性的考慮，沒有分析高階共生漏洞對異構(gòu)體的影響，因此文獻(xiàn)[19]提出了高階相似度的相關(guān)含義，并給出了相關(guān)性質(zhì)和推論。本節(jié)將在其基礎(chǔ)上通過對容斥原理加以分析，從而提出高階相似性的計(jì)算方式，并延伸至高階異構(gòu)度的計(jì)算。

容斥原理是統(tǒng)計(jì)學(xué)中一種常用的計(jì)數(shù)方法，在計(jì)數(shù)時(shí)為了防止重疊部分被重復(fù)計(jì)算，提出先對整體所有元素進(jìn)行計(jì)數(shù)，然后排除被重復(fù)計(jì)算元素的方法。其數(shù)學(xué)表達(dá)式為

在碰撞實(shí)驗(yàn)中，執(zhí)行體由防御原子組成，因此可以將執(zhí)行體的防御面積當(dāng)作該執(zhí)行體中防御原子的集合，從而通過容斥原理計(jì)算多個(gè)執(zhí)行體的共同防御面積，即相似性，如圖2 所示。

圖2 三模異構(gòu)冗余體的高階相似度

圖2中以圓的面積表示執(zhí)行體的防御平面，S(2)表示2 個(gè)執(zhí)行體之間的二階相似區(qū)域，S(3)表示3 個(gè)執(zhí)行體之間的三階相似區(qū)域，同理，S(n)表示n個(gè)執(zhí)行體之間的n階相似區(qū)域，它們之間的關(guān)系為

易知n階相似區(qū)域性質(zhì)與n階相似度性質(zhì)相符，因此，可將圖2中的n階相似區(qū)域等價(jià)為n階相似度進(jìn)行計(jì)算。

定義1高階相似度計(jì)算方式。n模異構(gòu)冗余體的防御面積為P(n)=|A1∪A2∪…∪An|，|Ai|=S（1）(1≤i≤N)|，|Ai∩Aj|=S(2)(1≤i＜j≤N)，…，|A1∩A2∩…∩An|=S(n)，則n模相似度計(jì)算式為

在得到高階相似度S(n)之后，可進(jìn)行計(jì)算求得高階異構(gòu)度[20-22]。以碰撞實(shí)驗(yàn)為例，高階異構(gòu)度的計(jì)算式為

對其進(jìn)行歸一化處理，有

1.3 算法內(nèi)容

針對之前所述調(diào)度算法存在的問題，基于FAWA和高階異構(gòu)度思想，設(shè)計(jì)了一種同時(shí)考慮歷史威脅信息和異構(gòu)體間高階異構(gòu)度的動(dòng)態(tài)調(diào)度算法HFAWA。符號表示如表3 所示，并根據(jù)以下定義對算法進(jìn)行形式化描述。

表3 符號表示

定義2異構(gòu)執(zhí)行體池。異構(gòu)執(zhí)行體池由多個(gè)功能等價(jià)的異構(gòu)執(zhí)行體組成，異構(gòu)執(zhí)行體池分為等待池ΩW和運(yùn)行池ΩR，可表示為Ω={A1，A2，…，AN}，各執(zhí)行體間相互獨(dú)立。

根據(jù)表3中的符號定義，對其中部分符號的用法及計(jì)算方式做以下說明。

技術(shù)因素與技術(shù)團(tuán)隊(duì)的建設(shè)互為影響，技術(shù)選型影響著開發(fā)團(tuán)隊(duì)的技術(shù)組成和技術(shù)積累，同時(shí)團(tuán)隊(duì)現(xiàn)有的技術(shù)積累和人員配置又影響著技術(shù)選型。企業(yè)在做移動(dòng)應(yīng)用時(shí)，通常需同時(shí)考慮用戶對應(yīng)用的功能性和非功能性需求指標(biāo), 而非單純的技術(shù)因素，下面對一些影響選型的限制因素進(jìn)行分析。

4)M為執(zhí)行體調(diào)度概率矩陣，其值根據(jù)歷史威脅反饋動(dòng)態(tài)改變，計(jì)算方式與文獻(xiàn)[14]中計(jì)算方法相同。

5)調(diào)度值D是算法選取執(zhí)行體的重要憑證，D值越大，執(zhí)行體被調(diào)度的可能性越高。D的計(jì)算式為

根據(jù)以上定義及計(jì)算式，基于高階異構(gòu)度的負(fù)反饋調(diào)度算法HFAWA 如算法1 所示。

算法1基于高階異構(gòu)度的負(fù)反饋調(diào)度算法HFAWA

輸入等待池ΩW，運(yùn)行池執(zhí)行體容量NR，高階異構(gòu)度矩陣H，執(zhí)行體調(diào)度概率矩陣M，選取執(zhí)行體集Sel，最大調(diào)度值集合best_s。其中H(n)已提前計(jì)算完畢，M矩陣初始默認(rèn)值為全1，Sel 與best_s 初始為空，大小與ΩR相同

輸出運(yùn)行池ΩR

算法1 為一次調(diào)度的HFAWA 實(shí)現(xiàn)，其中矩陣M隨每次調(diào)度記錄的歷史威脅信息反饋而改變，從而影響下次調(diào)度結(jié)果。算法1 對應(yīng)的算法流程如圖3 所示。

圖3 算法1 對應(yīng)的算法流程

1.4 算法用例

下面以NR=5的DHR 系統(tǒng)為例，對HFAWA運(yùn)行流程進(jìn)行簡要說明。

1)當(dāng)選擇執(zhí)行體集Sel 為空時(shí)，挑選M數(shù)組中最大的執(zhí)行體A1進(jìn)行調(diào)度加入Sel。Sel={A1}，將Sel 送入算法進(jìn)行下一執(zhí)行體選擇。

3)將等待池中除Sel中已有執(zhí)行體外的執(zhí)行體wi輪流與Sel中執(zhí)行體匹配，計(jì)算選擇D最大的執(zhí)行體加入Sel；若D最大值不唯一，將對應(yīng)執(zhí)行體分別加入Sel。Sel={A1，A2，A3}，將Sel 送入算法進(jìn)行下一執(zhí)行體選擇。

4)將等待池中除Sel中已有執(zhí)行體外的執(zhí)行體wi輪流與Sel中執(zhí)行體匹配，計(jì)算M[i]，選擇D最大的執(zhí)行體加入Sel；若D最大值不唯一，將對應(yīng)執(zhí)行體分別加入 Sel。Sel={A1，A2，A3，A4}，將Sel 送入算法進(jìn)行下一執(zhí)行體選擇。

5)將等待池中除Sel中已有執(zhí)行體外的執(zhí)行體wi輪流與 Sel中執(zhí)行體匹配，計(jì)算D=，選擇D最大的執(zhí)行體加入Sel；若D最大值不唯一，從中隨機(jī)選取一執(zhí)行體加入Sel。S el={A1，A2，A3，A4，A5}，將Sel 輸出，Sel 即當(dāng)次選擇調(diào)度5 模異構(gòu)體。

1.5 算法分析

目前，針對多執(zhí)行體策略的評估方法有很多，如基于博弈模型對攻防雙方進(jìn)行收益量化作為評判標(biāo)準(zhǔn)[23]、采用攻擊成功累計(jì)時(shí)長作為評判標(biāo)準(zhǔn)[24]、采用成功控守目標(biāo)個(gè)數(shù)作為評判標(biāo)準(zhǔn)[25]等。本文采用當(dāng)前運(yùn)行池中執(zhí)行體集的共模漏洞個(gè)數(shù)作為評判標(biāo)準(zhǔn)。

在不考慮執(zhí)行體歷史信息的影響，即執(zhí)行體調(diào)度概率矩陣M時(shí)。算法的調(diào)度值僅受異構(gòu)度值Hi影響，即

以表1中執(zhí)行體情況為例進(jìn)行分析。

1)在算法初始選擇執(zhí)行體時(shí)，由于各執(zhí)行體間無調(diào)度值差別，因此遍歷所有執(zhí)行體分別加入執(zhí)行體待選集Sel中，并送入算法進(jìn)行下一階段執(zhí)行體選擇，Sel={{1}，{ 2}，{3 }，{ 4}}。

2)根據(jù)之前送入的執(zhí)行體待選集，分別遍歷剩余執(zhí)行體并計(jì)算二階異構(gòu)度，選出異構(gòu)度最高的集合送入算法進(jìn)行下一階段執(zhí)行體選擇。根據(jù)表1中執(zhí)行體的二階相似度矩陣可知，此時(shí)被選擇送入算法的執(zhí)行體集為Sel={{1，2}，{1，3}，{1，4}，{ 2，3}，{ 3，4}}（相似度最低）。

3)根據(jù)之前送入的執(zhí)行體待選集，分別遍歷剩余執(zhí)行體并計(jì)算三階異構(gòu)度，選出異構(gòu)度最高的集合，此時(shí)算法計(jì)算最高階數(shù)與運(yùn)行池容量相等，因此輸出算法最終選擇結(jié)果Sel={1，2，4}，共模漏洞數(shù)量為0。

算法中影響調(diào)度值的另一部分矩陣M僅受執(zhí)行體的歷史信息影響，即執(zhí)行體被攻擊次數(shù)。而在實(shí)際情況中，攻擊者是無法預(yù)先探知擬態(tài)系統(tǒng)中被調(diào)度執(zhí)行體的種類的，即攻擊者的攻擊意圖與調(diào)度算法無關(guān)。因此，矩陣M對不同算法的安全性影響是相同的，而又由于增加了歷史信息的影響，算法的動(dòng)態(tài)性得到了提升（通過攻擊者的攻擊傾向而動(dòng)態(tài)調(diào)度執(zhí)行體）。

由此可見，HFAWA 在調(diào)度時(shí)會盡可能選擇使系統(tǒng)共模漏洞數(shù)量少的執(zhí)行體進(jìn)行調(diào)度，能夠在保證安全性的前提下表現(xiàn)出良好的動(dòng)態(tài)性。

2 算法及實(shí)驗(yàn)改進(jìn)

在碰撞實(shí)驗(yàn)中給出高階異構(gòu)度計(jì)算式H(n)=P(n)-S(n)，這樣做的目的是盡量增大防御面積，選擇防御面積最大的執(zhí)行體集進(jìn)行調(diào)度。但在實(shí)際的擬態(tài)場景中并非防御面積越大效果越好。在經(jīng)典擬態(tài)場景中通常需要構(gòu)建執(zhí)行體池，由調(diào)度算法調(diào)度執(zhí)行體進(jìn)入運(yùn)行池，最后根據(jù)裁決算法對執(zhí)行體輸出結(jié)果進(jìn)行裁決。因此，一個(gè)優(yōu)秀的調(diào)度算法往往需要根據(jù)擬態(tài)構(gòu)造的裁決機(jī)制進(jìn)行相應(yīng)的調(diào)整。

目前，學(xué)者已提出了很多裁決算法，如基于高階異構(gòu)度的裁決算法[19]、基于二進(jìn)制文件的裁決算法[26]、基于異常值的裁決算法[27]、大數(shù)裁決算法[28]等。相較于其他算法，大數(shù)裁決算法以其通用性被更廣泛地應(yīng)用于現(xiàn)有的DHR 系統(tǒng)中，其基本思想是將執(zhí)行體輸出相同數(shù)量最多的結(jié)果作為判決結(jié)果。因此本節(jié)將以大數(shù)裁決算法為例，對HFAWA 進(jìn)行調(diào)整，同時(shí)構(gòu)建相應(yīng)測試模型對算法有效性進(jìn)行測試。

本文在算法1和文獻(xiàn)[15]碰撞實(shí)驗(yàn)的基礎(chǔ)上做如下調(diào)整。

1)將碰撞實(shí)驗(yàn)中執(zhí)行體由防御原子組成改為執(zhí)行體由漏洞原子組成，每個(gè)執(zhí)行體的漏洞原子個(gè)數(shù)為最大威脅數(shù)的，且最小不少于10 個(gè)。

2)威脅生成策略不變，為隨機(jī)裝載和全裝載。碰撞測試調(diào)整為若執(zhí)行體中存在威脅集中的漏洞原子則被攻破。在5 模異構(gòu)執(zhí)行體集中，若攻破執(zhí)行體數(shù)超過3 個(gè)，則判斷系統(tǒng)被攻破。

大數(shù)裁決下5 模執(zhí)行體高階異構(gòu)度如表4 所示。調(diào)整后的實(shí)驗(yàn)算法如算法2 所示。

算法2大數(shù)裁決系統(tǒng)攻擊實(shí)驗(yàn)算法

輸入系統(tǒng)執(zhí)行體池Ω，執(zhí)行體調(diào)度概率矩陣M，調(diào)度總輪次n，歷史威脅記錄矩陣HS

輸出系統(tǒng)平均攻破率PA

1)計(jì)算系統(tǒng)高階異構(gòu)度矩陣H，計(jì)算式如表4 所示

表4 大數(shù)裁決下5 模執(zhí)行體高階異構(gòu)度

算法2 對應(yīng)的實(shí)驗(yàn)流程如圖4 所示。

圖4 算法2 對應(yīng)的實(shí)驗(yàn)流程

3 失效率分析

采用大數(shù)裁決算法的擬態(tài)防御系統(tǒng)被攻破的概率等效于運(yùn)行池中半數(shù)以上執(zhí)行體產(chǎn)生共模漏洞的概率之和，因此可以采用被選中的異構(gòu)執(zhí)行體共模漏洞的面積與公共漏洞的面積之比作為系統(tǒng)被攻破的概率。

幾個(gè)基本假設(shè)如下。

假設(shè)1攻擊者每次隨機(jī)使用一種攻擊方式進(jìn)行攻擊，若該攻擊方式能同時(shí)攻破半數(shù)以上處于運(yùn)行池中的執(zhí)行體，則擬態(tài)系統(tǒng)被攻破。

假設(shè)2HFAWA、FAWA、H2 算法[15]均使用執(zhí)行體的歷史信息作為部分調(diào)度依據(jù)，雖然具體使用方法有所差異，但為了便于分析，均使用P(HI)表示被執(zhí)行體歷史信息（HI，history information）所影響的執(zhí)行體調(diào)度概率。

假設(shè)3當(dāng)前等待池中執(zhí)行體的漏洞數(shù)量為，二階共模漏洞數(shù)量為Nb，…，n階共模漏洞數(shù)量為。漏洞總數(shù)為Nsum=Na∪Nb∪…∪Nz。

根據(jù)以上假設(shè)，可得各算法在運(yùn)行池大小為k的擬態(tài)系統(tǒng)中的失效率如表5 所示。

表5 各算法在運(yùn)行池大小為k 的擬態(tài)系統(tǒng)中的失效率

接下來，將通過實(shí)驗(yàn)比較以上算法的安全性能。

4 實(shí)驗(yàn)驗(yàn)證

4.1 安全性實(shí)驗(yàn)

為了驗(yàn)證HFAWA 的有效性，將其與其他4 種調(diào)度算法（FAWA、FIFO、Random、H2）進(jìn)行對比。其中H2 為文獻(xiàn)[16]中的算法，該文提出將異構(gòu)度（2 階）與歷史信息（執(zhí)行體運(yùn)行次數(shù)）結(jié)合，其焦點(diǎn)在于裁決算法的改進(jìn)，因此根據(jù)其思想實(shí)現(xiàn)“H2 調(diào)度算法”與本文算法進(jìn)行對比分析。

本文通過2 種實(shí)驗(yàn)對算法的安全性進(jìn)行對比，實(shí)驗(yàn)分別為碰撞實(shí)驗(yàn)和大數(shù)裁決系統(tǒng)攻擊實(shí)驗(yàn)。其中碰撞實(shí)驗(yàn)由文獻(xiàn)[14]提出，其核心思想是通過對攻擊原子和防御原子的碰撞率來衡量系統(tǒng)的安全性，碰撞率越高系統(tǒng)越安全，實(shí)驗(yàn)步驟如下。

Step1等待池和運(yùn)行池初始化。

Step2構(gòu)造威脅輸入。

Step3進(jìn)行動(dòng)態(tài)調(diào)度，從等待池中選取異構(gòu)執(zhí)行體填入運(yùn)行池。

Step4進(jìn)行碰撞檢測和計(jì)數(shù)。

Step5返回Step2，重復(fù)進(jìn)行多次實(shí)驗(yàn)。

Step6計(jì)算平均碰撞概率。

Step7改變威脅數(shù)目，返回Step1。

本文對碰撞實(shí)驗(yàn)進(jìn)行改進(jìn)，提出了LSA，實(shí)驗(yàn)流程如圖4 所示。2 種實(shí)驗(yàn)的對比實(shí)驗(yàn)環(huán)境如表6所示。

表6 對比實(shí)驗(yàn)環(huán)境

表6中，隨機(jī)部分裝載與隨機(jī)全裝載均為隨機(jī)裝載，區(qū)別在于部分裝載的執(zhí)行體組成原子中可能會存在0 原子（無效原子）；全裝載的執(zhí)行體組成原子均為非0 原子（有效原子）。威脅構(gòu)造方式分為負(fù)反饋和隨機(jī)裝載2 種，區(qū)別在于隨機(jī)裝載為隨機(jī)選取攻擊原子進(jìn)行裝載，而負(fù)反饋裝載會選取之前的系統(tǒng)攻擊結(jié)果中攻破概率最高的攻擊原子進(jìn)行裝載。

仿真中相關(guān)實(shí)驗(yàn)參數(shù)設(shè)定如下。

1)執(zhí)行體調(diào)度為5 模異構(gòu)執(zhí)行體集，即每次從等待池中調(diào)度5 個(gè)執(zhí)行體到運(yùn)行池中。

2)執(zhí)行體的防御/漏洞原子、威脅集均為隨機(jī)生成。

3)實(shí)驗(yàn)采用蒙特卡羅方法進(jìn)行測試，每種實(shí)驗(yàn)環(huán)境下測試10 000 次，最后取均值表示實(shí)驗(yàn)結(jié)果。

4)負(fù)反饋威脅實(shí)驗(yàn)中威脅原子更新概率式與文獻(xiàn)[15]中相同，為

其中，P1和P2在碰撞實(shí)驗(yàn)中分別表示發(fā)生碰撞和未發(fā)生碰撞的威脅原子被選中的概率，在LSA 實(shí)驗(yàn)中分別表示未攻破系統(tǒng)和攻破系統(tǒng)的威脅原子被選中的概率；p為單次實(shí)驗(yàn)中該威脅原子與防御/漏洞原子發(fā)生碰撞的概率。

實(shí)驗(yàn)參數(shù)配置如表7 所示。

表7 實(shí)驗(yàn)參數(shù)配置

本文實(shí)驗(yàn)假設(shè)每次從等待池中調(diào)度5 個(gè)執(zhí)行體（其中原子種類隨機(jī)生成）進(jìn)入運(yùn)行池中工作，因此設(shè)定運(yùn)行池大小為5，等待池大小為20。在碰撞實(shí)驗(yàn)中異構(gòu)執(zhí)行體容量參考文獻(xiàn)[15]中參數(shù)進(jìn)行設(shè)置；在LSA 實(shí)驗(yàn)中由于執(zhí)行體中原子為漏洞原子，在通常漏洞發(fā)現(xiàn)的過程中，單一類型系統(tǒng)/軟件存在的漏洞數(shù)量應(yīng)與同功能的系統(tǒng)/軟件發(fā)現(xiàn)的漏洞數(shù)量總數(shù)存在比例關(guān)系。因此在LSA實(shí)驗(yàn)中，當(dāng)威脅數(shù)大于100 時(shí)異構(gòu)執(zhí)行體容量設(shè)定為，其執(zhí)行體容量變化如圖5 所示。實(shí)驗(yàn)結(jié)構(gòu)如圖6 所示。

圖5 LSA 實(shí)驗(yàn)執(zhí)行體容量變化

圖6 實(shí)驗(yàn)結(jié)構(gòu)

實(shí)驗(yàn)程序用Python 編寫。為更好地量化實(shí)驗(yàn)結(jié)果，碰撞實(shí)驗(yàn)中用碰撞率表示威脅被系統(tǒng)防御的概率，碰撞率越高，代表系統(tǒng)防御能力越強(qiáng)；LSA 實(shí)驗(yàn)中用系統(tǒng)攻破率表示系統(tǒng)被威脅攻破的概率，系統(tǒng)攻破率越低，代表系統(tǒng)越安全。

4.1.1 碰撞實(shí)驗(yàn)

根據(jù)表5中的環(huán)境描述，在碰撞實(shí)驗(yàn)中分別測試了執(zhí)行體負(fù)反饋威脅下部分裝載、負(fù)反饋威脅下全裝載、隨機(jī)威脅下部分裝載和隨機(jī)威脅下全裝載4 種環(huán)境，得到的實(shí)驗(yàn)結(jié)果如圖7和圖8所示。

從圖7和圖8 的實(shí)驗(yàn)結(jié)果可以看出，在全裝載和部分裝載的環(huán)境下，HFAWA 都具有優(yōu)于其他算法的防御效果，且這種優(yōu)勢在威脅數(shù)較少時(shí)更明顯。而攻擊方式的改變會對系統(tǒng)的安全性產(chǎn)生一定威脅，但這種威脅主要體現(xiàn)在威脅數(shù)較少時(shí)碰撞率會有些許降低，威脅數(shù)較大時(shí)負(fù)反饋攻擊的碰撞率反而高于隨機(jī)攻擊的碰撞率，這與文獻(xiàn)[15]中的結(jié)論是一致的。

圖7 碰撞實(shí)驗(yàn)下執(zhí)行體全裝載

圖8 碰撞實(shí)驗(yàn)下執(zhí)行體部分裝載

由于在實(shí)際場景中，異構(gòu)執(zhí)行體間雖然擁有相同的層級數(shù)，但其具有的防御能力和漏洞類型/個(gè)數(shù)往往都是不同的，因此部分裝載的實(shí)驗(yàn)環(huán)境更能體現(xiàn)實(shí)際場景中的效果。給出部分裝載環(huán)境下的詳細(xì)實(shí)驗(yàn)數(shù)據(jù)，如表8和表9 所示。

表8 隨機(jī)攻擊碰撞試驗(yàn)下執(zhí)行體部分裝載實(shí)驗(yàn)結(jié)果

表9 負(fù)反饋攻擊碰撞試驗(yàn)下執(zhí)行體部分裝載實(shí)驗(yàn)結(jié)果

4.1.2 LSA 實(shí)驗(yàn)

根據(jù)圖4 所示流程進(jìn)行實(shí)驗(yàn)，LSA 實(shí)驗(yàn)中同樣測試了表5中描述的4 種環(huán)境，得到的實(shí)驗(yàn)結(jié)果如圖9和圖10 所示。

圖9 LSA 實(shí)驗(yàn)下執(zhí)行體全裝載

圖10 LSA 實(shí)驗(yàn)下執(zhí)行體部分裝載

從圖9和圖10 的實(shí)驗(yàn)結(jié)果可以看出，在LSA實(shí)驗(yàn)中，HFAWA 依然保持著良好的防御能力。雖然在攻擊方式由隨機(jī)攻擊變?yōu)樨?fù)反饋攻擊后，系統(tǒng)攻破率會有些許上升，但通過對比可以看出，受影響較大的是威脅數(shù)較少的情況（H2 算法受到的影響最大），隨著威脅數(shù)增大，攻擊方式的改變對系統(tǒng)攻破率的影響可以忽略。給出部分裝載實(shí)驗(yàn)的詳細(xì)數(shù)據(jù)，如表10和表11 所示。

表10 隨機(jī)攻擊大數(shù)裁決下執(zhí)行體部分裝載實(shí)驗(yàn)結(jié)果

表11 負(fù)反饋攻擊大數(shù)裁決下執(zhí)行體部分裝載實(shí)驗(yàn)結(jié)果

4.2 算法性能測試

根據(jù)以上實(shí)驗(yàn)參數(shù)配置，本文對5 種調(diào)度算法的運(yùn)行時(shí)間進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)環(huán)境如表12 所示。

表12 性能測試環(huán)境

實(shí)驗(yàn)只測試算法在調(diào)度選擇過程的時(shí)間消耗，由于HFAWA、H2 算法中異構(gòu)度數(shù)組的構(gòu)建為前期準(zhǔn)備工作，因此不將其算作算法時(shí)間消耗內(nèi)。實(shí)驗(yàn)測試每種算法調(diào)度10 000 次的時(shí)間消耗，詳細(xì)數(shù)據(jù)如表13 所示。

表13 算法時(shí)間消耗

在笛卡爾坐標(biāo)系中繪制表13 所示實(shí)驗(yàn)數(shù)據(jù)，如圖11 所示。

圖11 算法時(shí)間消耗

根據(jù)以上實(shí)驗(yàn)結(jié)果，可以得到以下結(jié)論。

1)在碰撞實(shí)驗(yàn)中，HFAWA 的碰撞率基本上高于其他算法。當(dāng)威脅數(shù)較小時(shí)，HFAWA 優(yōu)勢較明顯；當(dāng)威脅數(shù)大時(shí)，HFAWA和FAWA 的碰撞率相近且高于其他算法。這是因?yàn)橥{數(shù)越大，異構(gòu)體選擇防御原子相同的概率就越小。當(dāng)威脅數(shù)趨近于無窮時(shí)，異構(gòu)體間出現(xiàn)相同防御原子的概率為0，這時(shí)HFAWA 與FAWA 效果相同。

2)在LSA 實(shí)驗(yàn)中，HFAWA 的系統(tǒng)攻破率始終低于其他算法。在異構(gòu)體部分裝載環(huán)境下，使用HFAWA 的系統(tǒng)被攻破概率為0。這是因?yàn)樵诋悩?gòu)體部分裝載環(huán)境下，5 模執(zhí)行體中極易存在3模相似度為0（異構(gòu)度最大）的情況，這時(shí)根據(jù)高階異構(gòu)度調(diào)度執(zhí)行體的HFAWA 效果明顯優(yōu)于其他算法。

3)由算法性能測試結(jié)果可明顯看出，HFAWA在威脅數(shù)少的情況下相較于其他3 種算法運(yùn)行速度較慢，而較H2 算法更快。這是由于HFAWA 的時(shí)間消耗主要是算法中異構(gòu)度數(shù)組的比較，這與運(yùn)行池的大小有直接關(guān)系，與威脅個(gè)數(shù)關(guān)系不大，當(dāng)威脅個(gè)數(shù)較大時(shí)這一消耗可以忽略。而相較于H2 算法中每次實(shí)驗(yàn)都需要更新的歷史信息為二維數(shù)組，HFAWA 僅需對一維數(shù)組進(jìn)行更新，因此HFAWA具有優(yōu)于H2 算法的運(yùn)行效率。

將以上實(shí)驗(yàn)算法的防御能力和運(yùn)行速度指標(biāo)進(jìn)行對比，結(jié)果如表14 所示。

表14 算法指標(biāo)對比

綜上，HFAWA 能夠在保證系統(tǒng)安全的同時(shí)，不造成過高的系統(tǒng)開銷。

5 結(jié)束語

針對目前DHR 系統(tǒng)對異構(gòu)度的考慮僅局限于二階層面，造成系統(tǒng)安全性不足且調(diào)度異構(gòu)體缺乏動(dòng)態(tài)性的問題。本文提出了HFAWA 調(diào)度算法，并通過對容斥原理進(jìn)行擴(kuò)展應(yīng)用，給出了高階異構(gòu)度的計(jì)算方式。仿真實(shí)驗(yàn)驗(yàn)證了HFAWA 具有良好的防御能力和運(yùn)行速度。后續(xù)將基于本文所做工作，繼續(xù)優(yōu)化執(zhí)行體的調(diào)度算法，進(jìn)一步提高系統(tǒng)安全性。