聯(lián)邦學(xué)習(xí)和證據(jù)理論在智慧城市網(wǎng)絡(luò)安全態(tài)勢感知中的應(yīng)用研究

劉巖 韓璐 李娜

摘要：隨著數(shù)字經(jīng)濟(jì)的全面推進(jìn)，我國的“智慧城市”建設(shè)開始進(jìn)入實(shí)質(zhì)性的啟動階段，城市網(wǎng)絡(luò)安全問題就更為突出、嚴(yán)重，面向智慧城市的城市級網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)研究和應(yīng)用迅速成為學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)。此前，為得到性能更佳的態(tài)勢感知模型，傳統(tǒng)做法是利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等手段集中訓(xùn)練網(wǎng)絡(luò)數(shù)據(jù)，從而獲得模型參數(shù)。但隨著智慧城市中建設(shè)中網(wǎng)絡(luò)設(shè)備類型增多，數(shù)據(jù)屬性多樣，流量內(nèi)容復(fù)雜多變，網(wǎng)絡(luò)邊界模糊，影響態(tài)勢評估的不確定性增加，加之對集中訓(xùn)練帶來的數(shù)據(jù)安全和隱私保護(hù)的擔(dān)憂，數(shù)據(jù)安全問題已然成為智慧城市中網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)發(fā)展的重要制約瓶頸和亟需突破的關(guān)鍵挑戰(zhàn)。在這種情況下，“聯(lián)邦學(xué)習(xí)”的概念被提出，旨在保護(hù)數(shù)據(jù)安全與隱私的同時，利用分布的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行聯(lián)合模型訓(xùn)練，從而達(dá)到或接近基于數(shù)據(jù)集中的訓(xùn)練效果。為此，該文借助“聯(lián)邦學(xué)習(xí)”和“證據(jù)理論”，對智慧城市網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)的應(yīng)用模式和方法進(jìn)行了研究和探討，以期為智慧城市的網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)發(fā)展提供一定的借鑒和參考。

關(guān)鍵詞：網(wǎng)絡(luò)安全態(tài)勢感知;聯(lián)邦學(xué)習(xí);證據(jù)理論;數(shù)據(jù)安全;智慧城市

中圖分類號：TP311? ?文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）15-0022-03

隨著數(shù)字中國建設(shè)整體布局的不斷推進(jìn)，我國的“智慧城市”建設(shè)開始進(jìn)入實(shí)質(zhì)性的啟動階段，以智慧醫(yī)療、智慧交通、智慧家居、智慧金融、智能制造等為代表的一系列智慧城市基礎(chǔ)設(shè)施的建成落地，為千行百業(yè)提供了全新的發(fā)展動力和活力。智慧城市的平穩(wěn)運(yùn)行，離不開大量聯(lián)網(wǎng)設(shè)備的交流協(xié)作，史無前例的超大規(guī)模、屬性復(fù)雜的網(wǎng)絡(luò)流量運(yùn)行在城域互聯(lián)網(wǎng)上，給城市的網(wǎng)絡(luò)安全保衛(wèi)工作帶來了嚴(yán)峻的考驗(yàn)，城市網(wǎng)絡(luò)安全與否已成為事關(guān)城市平穩(wěn)運(yùn)行的重大問題。

《CNCERT互聯(lián)網(wǎng)安全威脅報告-2022年1月》數(shù)據(jù)顯示，2022年1月我國境內(nèi)感染木馬或僵尸網(wǎng)絡(luò)惡意程序的終端數(shù)為446萬余個;境內(nèi)被篡改網(wǎng)站數(shù)量4 327個，其中被篡改政府網(wǎng)站數(shù)量為24個;境內(nèi)被植入后門的網(wǎng)站數(shù)量為1 812個，其中政府網(wǎng)站有2個;針對境內(nèi)網(wǎng)站的仿冒頁面數(shù)量為187個;CNVD收集整理信息系統(tǒng)安全漏洞2 072個。其中，高危漏洞631個，可被利用來實(shí)施遠(yuǎn)程攻擊的漏洞有1 719個[1]。面對如此嚴(yán)峻的互聯(lián)網(wǎng)安全形勢，如何快速且準(zhǔn)確地感知城域互聯(lián)網(wǎng)網(wǎng)絡(luò)中的異常信息，預(yù)測網(wǎng)絡(luò)安全態(tài)勢，增強(qiáng)網(wǎng)絡(luò)安全主動防御能力成為城市網(wǎng)絡(luò)安全主管部門和網(wǎng)絡(luò)運(yùn)營商的關(guān)注重點(diǎn)。

目前網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)都是把事先利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等手段集中訓(xùn)練網(wǎng)絡(luò)數(shù)據(jù)得到的態(tài)勢理解模型，部署在某個網(wǎng)絡(luò)匯聚節(jié)點(diǎn)上，對流經(jīng)此節(jié)點(diǎn)的流量進(jìn)行特征匹配和識別。訓(xùn)練使用的網(wǎng)絡(luò)數(shù)據(jù)的質(zhì)量決定了態(tài)勢感知和評估的成效。但智慧城市里聯(lián)網(wǎng)的設(shè)備種類繁多、網(wǎng)絡(luò)邊界模糊、數(shù)據(jù)屬性多樣、流量內(nèi)容復(fù)雜多變、影響網(wǎng)絡(luò)安全的不確定因素大大增加，現(xiàn)有的網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)和產(chǎn)品不足以滿足現(xiàn)實(shí)需求。加之對網(wǎng)絡(luò)數(shù)據(jù)集中訓(xùn)練帶來的數(shù)據(jù)安全和隱私問題的擔(dān)憂，安全態(tài)勢感知技術(shù)服務(wù)提供者們只能使用自身數(shù)據(jù)訓(xùn)練，數(shù)據(jù)不全面，使得訓(xùn)練得到的模型無法滿足網(wǎng)絡(luò)安全主管部門和網(wǎng)絡(luò)運(yùn)營商的現(xiàn)實(shí)監(jiān)管需求?！奥?lián)邦學(xué)習(xí)”能夠在訓(xùn)練數(shù)據(jù)不共享的情況下達(dá)到參數(shù)共享目的，具有數(shù)據(jù)隔離、質(zhì)量保證、各參數(shù)方地位等同、獨(dú)立性等優(yōu)點(diǎn);證據(jù)理論為降低網(wǎng)絡(luò)態(tài)勢感知中的不確定性因素提供了解決思路，受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。本文詳細(xì)地探討了聯(lián)邦學(xué)習(xí)和證據(jù)理論的原理及其在智慧城市網(wǎng)絡(luò)安全態(tài)勢感知中的應(yīng)用模式和方法，以期待為其發(fā)展提供參考。

1 智慧城市網(wǎng)絡(luò)安全態(tài)勢感知概述

態(tài)勢感知的概念來源于軍事對峙領(lǐng)域，1999年Tim Bass將態(tài)勢感知引進(jìn)了網(wǎng)絡(luò)安全的研究中，由此產(chǎn)生了網(wǎng)絡(luò)安全態(tài)勢感知這個概念[2]。網(wǎng)絡(luò)安全態(tài)勢感知是綜合分析網(wǎng)絡(luò)安全要素，評估網(wǎng)絡(luò)安全狀況，預(yù)測其發(fā)展趨勢，并以可視化的方式展現(xiàn)給用戶，并給出相應(yīng)的報表和應(yīng)對措施。

從上述概念看，網(wǎng)絡(luò)安全態(tài)勢感知的過程大致包括以下幾個步驟：

1）數(shù)據(jù)采集：通過在網(wǎng)絡(luò)中某個節(jié)點(diǎn)部署探針等檢測工具，對流經(jīng)此節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行采集獲取，這是態(tài)勢感知的前提;

2）態(tài)勢理解：對采集到的數(shù)據(jù)進(jìn)行分類、歸并、關(guān)聯(lián)分析等手段進(jìn)行處理融合，對融合的信息進(jìn)行綜合分析，得出影響網(wǎng)絡(luò)的整體安全狀況，這是態(tài)勢感知基礎(chǔ);

3）態(tài)勢評估：定性、定量分析網(wǎng)絡(luò)當(dāng)前的安全狀態(tài)和薄弱環(huán)節(jié)，并給出相應(yīng)的應(yīng)對措施，這是態(tài)勢感知的核心;

4）態(tài)勢預(yù)測：通過對態(tài)勢評估輸出的數(shù)據(jù)，預(yù)測網(wǎng)絡(luò)安全狀況的發(fā)展趨勢，這是態(tài)勢感知的目標(biāo)。

在網(wǎng)絡(luò)安全態(tài)勢分析方面，已經(jīng)有很多成熟的模型，比如始于感知的Endsley模型、終于循環(huán)對抗的OODA模型、基于數(shù)據(jù)融合的JDL模型和采用假設(shè)推理的RPD模型等，但他們都離不開態(tài)勢感知、態(tài)勢理解和態(tài)勢預(yù)測這三個基本點(diǎn)。

網(wǎng)絡(luò)安全態(tài)勢感知模型中也都需要通過網(wǎng)絡(luò)安全態(tài)勢特征提取技術(shù)、網(wǎng)絡(luò)入侵檢測技術(shù)、網(wǎng)絡(luò)安全態(tài)勢感知評估技術(shù)、網(wǎng)絡(luò)安全態(tài)勢預(yù)測技術(shù)等關(guān)鍵技術(shù)完成對網(wǎng)絡(luò)安全態(tài)勢要素獲取、理解、預(yù)測和評估[3]。

隨著計算能力的提升，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)由于具有較強(qiáng)的學(xué)習(xí)能力、較好的適應(yīng)性、易實(shí)現(xiàn)自動化，且對復(fù)雜的特征處理、數(shù)據(jù)分類、預(yù)測等在實(shí)踐中能獲得較好的效果，在網(wǎng)絡(luò)安全態(tài)勢感知中得到深入的研究和廣泛的應(yīng)用。

自數(shù)據(jù)安全法和個人信息保護(hù)法實(shí)施以來，出于數(shù)據(jù)安全和隱私保護(hù)的需要，目前使用的網(wǎng)絡(luò)安全態(tài)勢感知模型多是由安全態(tài)勢感知技術(shù)服務(wù)提供者使用單一來源或者多源同質(zhì)的流量數(shù)據(jù)訓(xùn)練得到的，即使使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等新技術(shù)，但受限于訓(xùn)練數(shù)據(jù)質(zhì)量，使得產(chǎn)生的知識庫模型不夠完備，達(dá)不到預(yù)期效果。而且智慧城市的高效運(yùn)轉(zhuǎn)離不開各類聯(lián)網(wǎng)設(shè)備的交互協(xié)作，智能家居設(shè)備、車聯(lián)網(wǎng)設(shè)備、企業(yè)中的生產(chǎn)設(shè)備等網(wǎng)絡(luò)節(jié)點(diǎn)組成了史無前例的超大規(guī)模網(wǎng)絡(luò)，呈現(xiàn)感知節(jié)點(diǎn)數(shù)量眾多，節(jié)點(diǎn)通信協(xié)議類型不同、連接多樣，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜多變，隨機(jī)因素增大等特點(diǎn)。面對如此復(fù)雜的城域互聯(lián)網(wǎng)，尋找新的網(wǎng)絡(luò)安全態(tài)勢感知解決方案已成為當(dāng)前的重要課題。C1FF0C1A-5727-4603-A204-CC5DB6166ACC

2相關(guān)概念

2.1聯(lián)邦學(xué)習(xí)

作為面向數(shù)據(jù)孤島和隱私保護(hù)的機(jī)器學(xué)習(xí)解決方案，聯(lián)邦學(xué)習(xí)最早應(yīng)用于谷歌輸入法，實(shí)現(xiàn)輸入法的候選詞預(yù)測。聯(lián)邦學(xué)習(xí)本質(zhì)上是一種分布式的機(jī)器學(xué)習(xí)技術(shù)，很大程度上解決了“數(shù)據(jù)孤島”問題。

根據(jù)數(shù)據(jù)特點(diǎn)，聯(lián)邦學(xué)習(xí)可被分為縱向聯(lián)邦學(xué)習(xí)、橫向聯(lián)邦學(xué)習(xí)和聯(lián)邦遷徙學(xué)習(xí)。

1）橫向聯(lián)邦學(xué)習(xí)：特點(diǎn)是數(shù)據(jù)集特征和標(biāo)簽信息相同，但訓(xùn)練樣本不完全相同。把數(shù)據(jù)集按照橫向（即用戶維度）切分，并取出雙方用戶特征相同而用戶不完全相同的那部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。

2）縱向聯(lián)邦學(xué)習(xí)：特點(diǎn)是各數(shù)據(jù)集特征和標(biāo)簽信息不同，但訓(xùn)練樣本基本相同。把數(shù)據(jù)集按照縱向（即特征維度）切分，并取出雙方用戶相同而用戶特征不完全相同的那部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。

3）特點(diǎn)是各數(shù)據(jù)集特征、標(biāo)簽信息以及訓(xùn)練樣本基本不相同。不對數(shù)據(jù)進(jìn)行切分，而利用遷移學(xué)習(xí)克服數(shù)據(jù)或標(biāo)簽不足的情況。

在上述各類聯(lián)邦學(xué)習(xí)的訓(xùn)練過程中，各參與方不需要交換訓(xùn)練數(shù)據(jù)，僅需要交換各自訓(xùn)練產(chǎn)生的模型參數(shù)，后由中心服務(wù)器將參數(shù)進(jìn)行聚合，得到全局模型后，再分發(fā)給各個參與方，參與方對己方模型進(jìn)行更新;經(jīng)過若干輪迭代，最終得到一個趨近于集中式機(jī)器學(xué)習(xí)結(jié)果的模型?？偟膩碚f，聯(lián)邦學(xué)習(xí)具有以下優(yōu)勢：

1）數(shù)據(jù)安全：原始訓(xùn)練數(shù)據(jù)保留在本地，只需往中央服務(wù)器傳遞模型參數(shù)，傳輸過程可采用加密交換，一定程度上保證了參與方的數(shù)據(jù)安全;

2）質(zhì)量保證：雖然沒有將數(shù)據(jù)集中訓(xùn)練，但進(jìn)行了多輪次迭代。有研究表明，聯(lián)邦學(xué)習(xí)模型的識別性能與數(shù)據(jù)中心化分析的識別性能可以相提并論，較個別分析的識別性能更優(yōu)[4];

3）獨(dú)立自主：各參與方能夠獨(dú)立決定是否參與或者退出，自主決定傳輸參數(shù)。

從數(shù)據(jù)安全和隱私保護(hù)角度看，目前聯(lián)邦學(xué)習(xí)的框架可以分為以下幾類：

1）非加密的聯(lián)邦學(xué)習(xí)框架，即未對任何信息加密，所有的中間數(shù)據(jù)（如梯度）全是明文傳輸與計算;

2）基于差分隱私的聯(lián)邦學(xué)習(xí)框架，在原始數(shù)據(jù)或模型參數(shù)中添加隨機(jī)噪聲，數(shù)據(jù)不再是全明文，而是添加過噪聲的隱私數(shù)據(jù);

3）基于安全多方計算的聯(lián)邦學(xué)習(xí)框架，使用同態(tài)加密、混淆電路、秘密共享等方法對數(shù)據(jù)進(jìn)行加密[5]。

2.2 D-S證據(jù)理論

D-S證據(jù)理論是一種處理不確定性問題的完整理論。起源于20世紀(jì)60年代的哈佛大學(xué)數(shù)學(xué)家A.P. Dempster利用上、下限概率解決多值映射問題，1967年起他連續(xù)發(fā)表一系列論文，標(biāo)志著證據(jù)理論的正式誕生。而后Dempster的學(xué)生G.shafer對證據(jù)理論做了進(jìn)一步研究，引入信任函數(shù)概念，形成了一套“證據(jù)”和“組合”來處理不確定性推理的數(shù)學(xué)方法從而形成了該理論。

Dempster-Shafer（D-S）證據(jù)理論定義了一個識別框架[Θ=θ1，θ2，…θN]，其中[θ1，θ2，…θN]表示一組相互排斥且完備的假設(shè)集。在這個識別框架中存在一個稱為基本概率設(shè)置（Basic Probability Assignment， BPA）的映射[m：2Θ→0，1]，[m?=0且θ?Θmθ=1]，[mθ]表示對[θ]的信任程度。其中使得[mθ>0]的[θ]我們稱之為焦元。定義信度函數(shù)（Belief，[Bel]）[Bel：θ→0，1]，并且滿足[Belθ=B?θmB]，[Belθ]能夠表示所有確定賦予[θ]本身及其較小子集上的BPA的和。定義似然函數(shù)（Plausibility，Pl）[Pl：θ→0，1]，并且滿足[Plθ=B?θ≠?mB]。那么[Plθ=1-Belθ]，其中[θ]是[θ]的補(bǔ)集。[Belθ，Plθ]組成信任區(qū)間，表示對[θ]的確認(rèn)程度。

假設(shè)存在兩個完全獨(dú)立且安全可靠的證據(jù)的BPA分別為[m1和m2]，對于任何[θ?Θ]，Dempster合成規(guī)則為：

[mθ=m1+m2θ=0，? θ=?B?C=θm1Bm2C1-B?C≠?m1Bm2C，? θ≠?]

從定義可以看出，D-S證據(jù)理論可以綜合不同數(shù)據(jù)源的數(shù)據(jù)，利用合成規(guī)則將不同數(shù)據(jù)源的信任函數(shù)不斷融合，隨著證據(jù)不斷積累而逐步降低不確定性，獲得精確推理結(jié)果，再根據(jù)決策邏輯對融合后的信任函數(shù)進(jìn)行判斷。最大的特點(diǎn)就是對不確定性信息的描述采用“區(qū)間估計”，而非“點(diǎn)估計”，在區(qū)分不知道和不確定方面以及精確反映證據(jù)收集方面顯示出很大的靈活性，常應(yīng)用于目標(biāo)識別、監(jiān)控檢測、故障診斷、醫(yī)療診 斷、決策分析等領(lǐng)域。

3 基于聯(lián)邦學(xué)習(xí)和D-S證據(jù)理論的網(wǎng)絡(luò)安全態(tài)勢感知架構(gòu)模式

智慧城市的建設(shè)目前主要是以行業(yè)為單元共同推進(jìn)，致力于打造智慧物流體系、智慧制造體系、智慧貿(mào)易體系、智慧能源應(yīng)用體系、智慧公共服務(wù)、智慧社會管理體系、智慧交通體系、智慧健康保障體系、智慧安居服務(wù)體系、智慧文化服務(wù)體系等。其城域互聯(lián)網(wǎng)中運(yùn)行的網(wǎng)絡(luò)數(shù)據(jù)大致可分為以下幾類：

1）以智能駕駛、智能交通為核心的車聯(lián)網(wǎng)類數(shù)據(jù);

2）以智能家居、智能安防為核心的家居物聯(lián)網(wǎng)類數(shù)據(jù);

3）以智慧醫(yī)療、健康穿戴為核心的醫(yī)療類數(shù)據(jù);

4）以智能制造、智能能源為核心的工業(yè)互聯(lián)網(wǎng)類數(shù)據(jù)。

按照上述網(wǎng)絡(luò)類別看，智慧城市的網(wǎng)絡(luò)態(tài)勢感知可以以行業(yè)為基本單元，以本行業(yè)中的關(guān)鍵信息基礎(chǔ)設(shè)施和重要信息系統(tǒng)為最小單元開展。具體如下：

1）數(shù)據(jù)采集：在設(shè)施或者系統(tǒng)的網(wǎng)絡(luò)出入口部署采集設(shè)備，對流入和流出的網(wǎng)絡(luò)數(shù)據(jù)按需要進(jìn)行采集和留存。

2）數(shù)據(jù)訓(xùn)練：因行業(yè)內(nèi)網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)備用途相近，流量內(nèi)容相似度高，故可以在關(guān)鍵信息基礎(chǔ)設(shè)施和重要信息系統(tǒng)的歸屬單位部署訓(xùn)練服務(wù)器對采集到的數(shù)據(jù)進(jìn)行清洗等預(yù)處理后，采用隨機(jī)森林、深度信念網(wǎng)絡(luò)或卷積神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)手段進(jìn)行訓(xùn)練，在行業(yè)網(wǎng)絡(luò)主管部門部署中心服務(wù)器用于聚合本行業(yè)的訓(xùn)練模型參數(shù)。經(jīng)過多輪次訓(xùn)練和迭代后形成本行業(yè)的態(tài)勢感知模型和特征知識庫。C1FF0C1A-5727-4603-A204-CC5DB6166ACC

3）態(tài)勢理解：根據(jù)實(shí)際需求將各行業(yè)形成的行業(yè)態(tài)勢感知模型或者特征知識庫匯聚成一個城市級態(tài)勢感知模型或者特征知識庫，將其分發(fā)到各個關(guān)鍵信息基礎(chǔ)設(shè)施和重要信息系統(tǒng)的態(tài)勢感知節(jié)點(diǎn)上，對實(shí)時流經(jīng)的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類。

4）態(tài)勢評估：即使在一個行業(yè)內(nèi)，各個關(guān)鍵信息基礎(chǔ)設(shè)施和重要信息系統(tǒng)內(nèi)的網(wǎng)絡(luò)結(jié)構(gòu)也存在較大差異，管理方面或維護(hù)方面的差異致使網(wǎng)絡(luò)的脆弱性也各不相同，加上網(wǎng)絡(luò)攻擊威脅和攻擊存在隨機(jī)不確定性，使得行業(yè)內(nèi)的網(wǎng)絡(luò)安全態(tài)勢評估難度增大。而行業(yè)間的網(wǎng)絡(luò)結(jié)構(gòu)差異性和不確定性就更加巨大，整體網(wǎng)絡(luò)安全態(tài)勢評估就更加困難。故通過對一段時間內(nèi)網(wǎng)絡(luò)安全事件高發(fā)或者某類漏洞覆蓋較多的涉事單位和涉事行業(yè)進(jìn)行打分排序形成專家權(quán)重，再結(jié)合異常流量、攻擊和漏洞的危害程度、攻擊成功率、可利用率等網(wǎng)絡(luò)威脅評價參數(shù)，形成城市→行業(yè)→系統(tǒng)三級網(wǎng)絡(luò)安全態(tài)勢評估指標(biāo)體系，構(gòu)建符合現(xiàn)實(shí)需求的BPA函數(shù)和合成規(guī)則，最終形成態(tài)勢評估結(jié)果。

5）態(tài)勢預(yù)測：智慧城市建設(shè)中關(guān)鍵一環(huán)就是網(wǎng)絡(luò)提速增質(zhì)，目前已跨入5G時代，網(wǎng)絡(luò)數(shù)據(jù)流動快、響應(yīng)時間短，態(tài)勢預(yù)測離不開歷史流量數(shù)據(jù)和特征知識庫，可利用遷移學(xué)習(xí)、循環(huán)神經(jīng)網(wǎng)絡(luò)、長短時記憶網(wǎng)絡(luò)等技術(shù)，實(shí)現(xiàn)威脅預(yù)警，同時還須將發(fā)現(xiàn)新的異常流量特征及時上傳至中心服務(wù)器，實(shí)現(xiàn)模型參數(shù)的動態(tài)更新，從而形成態(tài)勢感知的閉環(huán)。

4 結(jié)束語

本文對智慧城市的網(wǎng)絡(luò)安全態(tài)勢感知面臨的問題進(jìn)行了分析和探討，簡要介紹了聯(lián)邦學(xué)習(xí)技術(shù)和D-S證據(jù)理論，并結(jié)合智慧城市網(wǎng)絡(luò)安全態(tài)勢感知需求提出了方案建議。但由于智慧城市建設(shè)正處于啟動階段，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜多變，流量數(shù)據(jù)日益增多，所給出的建議仍屬于理論層面，未來需要通過案例實(shí)踐進(jìn)行驗(yàn)證或調(diào)整。

參考文獻(xiàn)

[1] 韓曉露，劉云，張振江，等.網(wǎng)絡(luò)安全態(tài)勢感知理論與技術(shù)綜述及難點(diǎn)問題研究[J].信息安全與通信保密，2019，17（7）：61-71.

[2] 李艷，王純子，黃光球，等.網(wǎng)絡(luò)安全態(tài)勢感知分析框架與實(shí)現(xiàn)方法比較[J].電子學(xué)報，2019，47（4）：927-945.

[3] 錢斌，蔡梓文，肖勇，等.基于模糊推理的計量自動化系統(tǒng)網(wǎng)絡(luò)安全態(tài)勢感知[J].南方電網(wǎng)技術(shù)，2019，13（2）：51-58.

[4] 劉云.融媒體時代食堂文化育人實(shí)踐路徑研究——以青島大學(xué)食堂為例[J].高校后勤研究，2020（4）：19-21，27.

[5] 劉云，呂富巖.基于Web的高校大型設(shè)備共享平臺系統(tǒng)的設(shè)計和實(shí)現(xiàn)[J].信息系統(tǒng)工程，2022（4）：117-120.

【通聯(lián)編輯：朱寶貴】C1FF0C1A-5727-4603-A204-CC5DB6166ACC