武兆琪,張 帆,郭 威,衛(wèi) 今,謝光偉

(1.國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心,鄭州 450001;2.復(fù)旦大學(xué) a.計(jì)算機(jī)科學(xué)技術(shù)學(xué)院; b.大數(shù)據(jù)試驗(yàn)場研究院,上海 200433)

0 概述

信息技術(shù)的飛速發(fā)展使人類邁入萬物互聯(lián)時(shí)代,由此帶來數(shù)字經(jīng)濟(jì)的便利性,但同時(shí)也使網(wǎng)絡(luò)空間安全問題成為信息時(shí)代嚴(yán)峻的挑戰(zhàn)[1]。造成網(wǎng)絡(luò)安全問題的重要原因在于,信息技術(shù)的全球化趨勢使得創(chuàng)新鏈、生產(chǎn)鏈、供應(yīng)鏈等環(huán)境中隱匿后門更加容易,并且由于技術(shù)的缺陷導(dǎo)致漏洞廣泛存在[2]。因此,少數(shù)人或團(tuán)體利用少量的資源便可以侵犯個(gè)人乃至公共的隱私權(quán),造成當(dāng)前網(wǎng)絡(luò)空間“易守難攻”的態(tài)勢。在此背景下,擬態(tài)防御技術(shù)應(yīng)運(yùn)而生。擬態(tài)防御以其動態(tài)性、異構(gòu)性和冗余性可阻斷目前攻擊技術(shù)所依賴的攻擊鏈完整性,利用該技術(shù)能夠從根本上擺脫目前網(wǎng)絡(luò)空間“易守難攻”的困局[3]。

在通用的擬態(tài)架構(gòu)中,對異構(gòu)冗余執(zhí)行體的輸出進(jìn)行裁決可為動態(tài)異構(gòu)冗余(Dynamical Heterogeneous Redundant,DHR)架構(gòu)帶來對廣義不確定擾動的感知功能。在標(biāo)準(zhǔn)化或可歸一化的擬態(tài)界面中對給定語義和語法的多模輸出矢量進(jìn)行一致性判決,可以準(zhǔn)確反映擬態(tài)界面上的非協(xié)同攻擊或隨機(jī)失效情況,并且裁決器可以將相關(guān)狀態(tài)信息發(fā)送給擬態(tài)系統(tǒng)中的調(diào)度器模塊。后者是DHR架構(gòu)中的重要一環(huán),其根據(jù)裁決器信息進(jìn)行執(zhí)行體的調(diào)度,對于擬態(tài)防御系統(tǒng)的安全性和效率有著直接的影響。因此,裁決器的表決策略便顯得至關(guān)重要。

現(xiàn)有擬態(tài)系統(tǒng)中使用的裁決算法主要為多數(shù)一致表決算法,這對于異構(gòu)性較好的執(zhí)行體集尤為適用。但在現(xiàn)實(shí)應(yīng)用中,執(zhí)行體并不能完全實(shí)現(xiàn)異構(gòu),簡單地進(jìn)行多數(shù)一致表決會造成共模逃逸現(xiàn)象。為此,本文根據(jù)擬態(tài)架構(gòu)的特點(diǎn),借鑒冗余容錯(cuò)技術(shù)中基于歷史記錄的表決算法,提出一種基于執(zhí)行體歷史置信度和異構(gòu)度的雙因素表決算法。通過量化執(zhí)行體的歷史置信度和執(zhí)行體間的異構(gòu)度,同時(shí)利用動態(tài)化加權(quán)分配,選擇最優(yōu)的輸出結(jié)果集合作為表決器的最終輸出結(jié)果。

1 相關(guān)工作

目前冗余容錯(cuò)技術(shù)在數(shù)字電子系統(tǒng)和軟件系統(tǒng)中得到了廣泛的應(yīng)用,主要包括N模冗余和N版本編程2種手段[4]。冗余技術(shù)大幅提高了系統(tǒng)的容錯(cuò)能力,增強(qiáng)了系統(tǒng)的可靠性。進(jìn)一步地,冗余容錯(cuò)技術(shù)可以分為同構(gòu)冗余和異構(gòu)冗余2種方式。

同構(gòu)冗余是指余度結(jié)構(gòu)在軟硬件設(shè)計(jì)、指令系統(tǒng)等部分中十分近似或者完全相同,這種容錯(cuò)技術(shù)應(yīng)對差模干擾或者隨機(jī)擾動較有效,但是高度相近的結(jié)構(gòu)導(dǎo)致其有近乎相同的系統(tǒng)漏洞和后門等共性故障,因此無法對共模攻擊產(chǎn)生有效防護(hù)。

異構(gòu)冗余是基于相異性設(shè)計(jì)的容錯(cuò)機(jī)制,其選擇由不同設(shè)計(jì)組在不同環(huán)境下設(shè)計(jì)的構(gòu)成原理不同但功能近似或完全相同的軟硬件產(chǎn)品,然后構(gòu)成一個(gè)總的容錯(cuò)系統(tǒng)。這種相異性設(shè)計(jì)的設(shè)計(jì)理念不同,因此,理論上這些異構(gòu)體的共生漏洞與相同后門微乎其微,進(jìn)而能有效地防護(hù)由于單一系統(tǒng)設(shè)計(jì)缺陷造成的漏洞或后門引起的系統(tǒng)故障,可以有效地抵御攻擊者發(fā)起的共模攻擊。

DHR架構(gòu)的核心設(shè)計(jì)思想是引入結(jié)構(gòu)表征的不確定性,使傳統(tǒng)異構(gòu)冗余架構(gòu)的執(zhí)行體具有動態(tài)化和隨機(jī)化的屬性。通用的擬態(tài)防御系統(tǒng)架構(gòu)如圖1所示。

圖1 擬態(tài)防御架構(gòu)通用模型

在上述模型中,表決器通常有多個(gè)冗余輸入,其從收到的多個(gè)冗余輸入中根據(jù)設(shè)定的表決算法產(chǎn)生一個(gè)結(jié)果作為表決輸出,對此研究者已經(jīng)提出了多種表決算法,例如全體一致表決算法[5]、多數(shù)表決算法[6]、復(fù)數(shù)表決算法、中值表決算法、n取2表決算法[7]、一致性表決算法等[8],其中多數(shù)表決及其改進(jìn)版本,例如基于自檢測[9]、歷史紀(jì)錄[10]、自適應(yīng)等的多數(shù)一致表決算法在系統(tǒng)中得到了廣泛的應(yīng)用。多數(shù)表決器有n個(gè)輸入,如果有超過一半的輸出結(jié)果一致,則這個(gè)多數(shù)結(jié)果便會被裁決器作為正確結(jié)果進(jìn)行輸出。

一致表決算法[8]是多數(shù)表決算法的推廣,當(dāng)輸出結(jié)果為多數(shù)贊同,則該算法與多數(shù)表決算法一致。當(dāng)輸出結(jié)果有唯一最大贊同數(shù),并且贊同數(shù)少于輸出結(jié)果集的一半,仍然選擇唯一最大贊同數(shù)進(jìn)行輸出,當(dāng)有相同的最大贊同數(shù)時(shí),便隨機(jī)地從中選擇一個(gè)結(jié)果進(jìn)行輸出,其他結(jié)果表決失效。但由于這種算法對有相同贊同數(shù)輸出結(jié)果進(jìn)行選擇時(shí)的隨機(jī)性,因此可能把錯(cuò)誤的結(jié)果當(dāng)成正確結(jié)果進(jìn)行輸出。

文獻(xiàn)[11]在一致表決算法的基礎(chǔ)上引入了構(gòu)建版本歷史記錄信息的方法,當(dāng)出現(xiàn)相同贊同數(shù)時(shí),選擇歷史置信度較高的一組進(jìn)行輸出,進(jìn)而提高輸出結(jié)果的可靠度。但這種算法忽略了異構(gòu)度較低的執(zhí)行體給出一致輸出的概率普遍較大的情況,如果在裁決中重復(fù)考慮容易出現(xiàn)共模異常輸出。在這種情況下,發(fā)生共模逃逸的概率就會增大。

文獻(xiàn)[12]在多數(shù)一致表決算法的基礎(chǔ)上,提出一種競賽式的仲裁模型,在不改變仲裁余度的前提下增加執(zhí)行余度,這種方式可以提高仲裁的效率,但對仲裁結(jié)果的正確性沒有提高作用。

在擬態(tài)防御系統(tǒng)裁決器的表決策略選取方面,目前研究主要是以多數(shù)一致性表決算法為主[13-15],輔以全體一致表決算法和基于歷史置信度的表決算法。然而這些算法都只是借用經(jīng)典的表決算法,并沒有完全結(jié)合擬態(tài)防御的思想,忽略了執(zhí)行體異構(gòu)度對于裁決結(jié)果的影響,因此,表決的結(jié)果可能會存在共模漏洞,并且在有不同輸出結(jié)果數(shù)量相同的情況下表決效率低下。

2 基于歷史置信度與執(zhí)行體異構(gòu)度的表決算法

2.1 設(shè)計(jì)思想

由于現(xiàn)在擬態(tài)防御架構(gòu)在如Web[16-17]、DNS[18]、路由器[14]等領(lǐng)域使用的調(diào)度算法基本都是隨機(jī)調(diào)度算法,因此上線執(zhí)行體的異構(gòu)度并不能保證足夠大進(jìn)而避免可能發(fā)生的共模攻擊。因此,假如攻擊者此時(shí)發(fā)起共模攻擊,而上線執(zhí)行體的相似度過大,就很有可能發(fā)生共模逃逸問題,因?yàn)閷τ谕环N攻擊,相似執(zhí)行體很可能產(chǎn)生同樣的輸出,所以僅根據(jù)多數(shù)一致表決或加入歷史置信度的表決算法很可能導(dǎo)致相似執(zhí)行體持續(xù)產(chǎn)生近似的輸出,進(jìn)而影響調(diào)度器的調(diào)度,增大共模逃逸的風(fēng)險(xiǎn)。

擬態(tài)架構(gòu)的特點(diǎn)是動態(tài)異構(gòu)冗余,因此,組成其執(zhí)行體的重要要求便是“異構(gòu)”。異構(gòu)的執(zhí)行體可以有效地防止攻擊者利用整個(gè)系統(tǒng)的漏洞和后門。本文在現(xiàn)有基于歷史信息的裁決算法基礎(chǔ)上,提出基于歷史置信度和執(zhí)行體異構(gòu)度的表決算法。在考慮歷史置信度的基礎(chǔ)上,進(jìn)一步考慮執(zhí)行體集之間異構(gòu)度對表決結(jié)果的影響,通過賦予執(zhí)行體輸出結(jié)果在數(shù)量、歷史置信度和異構(gòu)度上不同的權(quán)重,充分考慮不同因素對表決結(jié)果的影響,進(jìn)而提升表決結(jié)果的可信度,增強(qiáng)系統(tǒng)的安全性。

2.2 模型構(gòu)建

本文在多數(shù)一致表決算法和基于歷史置信度的自適應(yīng)一致表決算法基礎(chǔ)上進(jìn)行改進(jìn),主要考慮執(zhí)行體間的異構(gòu)性對裁決結(jié)果的影響。本文算法模型通過構(gòu)建執(zhí)行體的歷史記錄信息和量化執(zhí)行體間的異構(gòu)性來實(shí)現(xiàn),具體方法如下:

1)構(gòu)建執(zhí)行體的歷史記錄信息。

(1)構(gòu)建一個(gè)n余度的異構(gòu)執(zhí)行體集合{e1,e2,…,en},其對應(yīng)的某一次歷史置信度集合為{h1,h2,…,hn},如果在表決中某個(gè)執(zhí)行體輸出結(jié)果通過了多數(shù)表決,則將該執(zhí)行體ei對應(yīng)的歷史置信度設(shè)置為hi=1,否則該次結(jié)果設(shè)置為hi=0。

將歷史記錄作為表決的考慮因素之一,可以有效地記錄執(zhí)行體各個(gè)階段的表現(xiàn),通過歷史表現(xiàn)可以更好地判斷具有高魯棒性的執(zhí)行體,同時(shí)避免只利用數(shù)目表決較大的隨機(jī)性。充分利用各階段的歷史信息以及攻擊日志,可便于分析執(zhí)行體應(yīng)對不同攻擊的表現(xiàn),進(jìn)而有利于系統(tǒng)做出更準(zhǔn)確的表決和調(diào)度。

2)量化執(zhí)行體間的異構(gòu)性。

每個(gè)執(zhí)行體可以按固定的標(biāo)準(zhǔn)分為不同的組件,每個(gè)組件又可以分為不同的類目,可以根據(jù)不同類目的具體實(shí)現(xiàn)對執(zhí)行體的異構(gòu)度進(jìn)行量化。例如,對于一個(gè)擬態(tài)存儲系統(tǒng),可以將冗余體按具體功能劃分為處理器、操作系統(tǒng)、應(yīng)用軟件等不同組件,而操作系統(tǒng)則有Windows、Ubuntu、CentOS、MacOS等類目,若某執(zhí)行體類目為Ubuntu,則其特征向量便為[0 1 0 … 0],但同一組件各類目并不是完全獨(dú)立的,功能的等價(jià)性必然會導(dǎo)致各類目之間存在一定程度的相似性,進(jìn)而導(dǎo)致存在相似甚至相同的漏洞。對執(zhí)行體之間的異構(gòu)度可以采用異構(gòu)性矩陣度量,如下所示:

通過統(tǒng)計(jì)各個(gè)異構(gòu)執(zhí)行體之間的異構(gòu)性差異易知,H為對稱矩陣,其中hi,j(0

2.3 算法描述

假設(shè)在線執(zhí)行體的數(shù)目為n,基于歷史置信度與執(zhí)行體異構(gòu)度的表決算法描述如下:

6)其他情況,表決失效,重新進(jìn)行輸入表決。

將異構(gòu)度作為擬態(tài)表決算法的表決因素是必要的。動態(tài)異構(gòu)冗余作為擬態(tài)架構(gòu)的特性,執(zhí)行體的異構(gòu)性是系統(tǒng)安全的基礎(chǔ),而且異構(gòu)性越大的執(zhí)行體集執(zhí)行體之間的共模漏洞會越少,攻擊者可以利用的系統(tǒng)共同缺陷也就越少,進(jìn)而系統(tǒng)也就更安全。因此,引入異構(gòu)性作為表決的依據(jù)可以更好地發(fā)揮擬態(tài)架構(gòu)的優(yōu)勢,同時(shí)避免因?yàn)闅v史置信度造成某個(gè)執(zhí)行體長期在線上而被攻擊者利用的局面。引入異構(gòu)性作為表決的依據(jù)可使表決算法更充分全面,使系統(tǒng)時(shí)刻處于高安全的狀態(tài)。

由“相對正確”公理[1]的描述可知,極少出現(xiàn)多數(shù)執(zhí)行體在同一個(gè)地點(diǎn)、同一時(shí)間犯完全一樣錯(cuò)誤的情形。該公理的邏輯表達(dá)如圖2所示,具有如下特點(diǎn):功能等價(jià),A1,A2,…，Ai都有獨(dú)立完成任務(wù)的能力;異構(gòu)冗余,A1,A2,…，Ai都有一些缺點(diǎn)或錯(cuò)誤;判決空間,同一時(shí)間、同一地點(diǎn)都有同樣內(nèi)容;相對性多模大數(shù)表決。

圖2 “相對正確”公理的邏輯表達(dá)

筆者認(rèn)為r1相較r2和r3更為重要。這3個(gè)參數(shù)可以根據(jù)TOPSIS算法[19]來進(jìn)行計(jì)算取得最優(yōu)值。TOPSIS法是一種理想目標(biāo)相似性的順序選優(yōu)技術(shù),在多目標(biāo)決策分析中是非常有效的方法,其通過歸一化后的數(shù)據(jù)規(guī)范化矩陣找出多個(gè)目標(biāo)中最優(yōu)目標(biāo)和最劣目標(biāo),分別計(jì)算各評價(jià)目標(biāo)與理想解和反理想解的距離,獲得各目標(biāo)與理想解的貼近度,按理想解貼近度的大小排序,以此作為評價(jià)目標(biāo)優(yōu)劣的依據(jù)。TOPSIS算法是根據(jù)有限個(gè)評價(jià)對象與理想化目標(biāo)的接近程度進(jìn)行排序的方法,其在現(xiàn)有的對象中進(jìn)行相對優(yōu)劣的評價(jià)。輸入3個(gè)參數(shù)的重要程度對比表,通過TOPSIS算法計(jì)算即可得到3個(gè)參數(shù)的最優(yōu)取值。本文取r1=0.405 5,r2=0.306 9,r3=0.287 6。

根據(jù)上文分析易知,異構(gòu)度對于表決結(jié)果的影響并不會隨著時(shí)間的改變而發(fā)生任何變化。但歷史置信度具有與時(shí)間和表決次數(shù)相關(guān)聯(lián)的特性,由于隨機(jī)因素的影響,在初始時(shí)刻,歷史置信度僅是根據(jù)少量的表決決定的,因此此時(shí)的權(quán)重應(yīng)從0開始隨著時(shí)間的推移而逐漸增大。同理,對于表決結(jié)果集合中的個(gè)數(shù),由“相對正確”公理可知,初始時(shí)刻足以對多數(shù)的表決結(jié)果表示信任。由上文可知,異構(gòu)度越小的執(zhí)行體越容易對同樣的攻擊產(chǎn)生相同的輸出,因此,數(shù)量表征特性的權(quán)重應(yīng)該隨著時(shí)間的推移而適度減小。最終3個(gè)參數(shù)r1、r2和r3穩(wěn)定為由TOPSIS算法計(jì)算出的3個(gè)值。

本文選取調(diào)整參數(shù)r1和r2為:

因此,最終的輸出值為:

對于T的選取,筆者根據(jù)系統(tǒng)的實(shí)際特性認(rèn)為可以選擇系統(tǒng)的調(diào)度周期。調(diào)整參數(shù)是由Sigmoid函數(shù)轉(zhuǎn)變而來,其函數(shù)特性是在固定的區(qū)間段之間單調(diào)遞增輸出,并且越接近于區(qū)間上下極限時(shí)變化越平緩,越遠(yuǎn)離區(qū)間極限時(shí)變化越顯著,如圖3所示。

圖3 Sigmoid函數(shù)曲線

本文選取的調(diào)整參數(shù)隨時(shí)間的變化曲線如圖4所示?？梢钥闯?初始時(shí)刻r1、r2的值變化緩慢,符合上文的分析,因?yàn)槌跏紩r(shí)刻隨機(jī)性的影響過大,所以應(yīng)使歷史置信度的權(quán)重緩慢增大,而使結(jié)果集數(shù)量的權(quán)重緩慢下降。當(dāng)系統(tǒng)運(yùn)行一段時(shí)間后,隨機(jī)性的影響逐漸變小,因此,可以使歷史置信度的權(quán)重迅速增大而使結(jié)果集數(shù)量的權(quán)重迅速下降,當(dāng)兩者即將到達(dá)穩(wěn)定值時(shí)使權(quán)重變化的速率相應(yīng)減緩,以保證調(diào)節(jié)的穩(wěn)定性。

圖4 調(diào)整參數(shù)隨時(shí)間的變化曲線

3 實(shí)驗(yàn)評估

本文實(shí)驗(yàn)主要通過以下6個(gè)指標(biāo)對算法進(jìn)行評價(jià):正確結(jié)果被裁決器表決通過的概率(CAA),正確結(jié)果未被裁決器表決通過的概率(CAF),錯(cuò)誤結(jié)果被裁決器通過表決的概率(IAA),錯(cuò)誤結(jié)果未被裁決器表決通過的概率(IAF),輸出結(jié)果被裁決器表決通過(RAA),輸出的結(jié)果未被裁決器表決通過(RAF)。評價(jià)過程如圖5所示。

圖5 裁決器表決結(jié)果評價(jià)示意圖

Fig.5 Schematic diagram of the arbiter voting results evaluation

3.1 仿真建立

本文實(shí)現(xiàn)了多數(shù)表決算法和基于歷史置信度和執(zhí)行體異構(gòu)度的表決算法,采用Python和Matlab進(jìn)行仿真。利用β分布[20]生成執(zhí)行體之間的相似度矩陣。本文實(shí)驗(yàn)選取T值為40。采用蒙特卡洛法進(jìn)行105次模擬實(shí)驗(yàn),比較算法的相關(guān)評判指標(biāo)。

3.2 仿真結(jié)果分析

3.2.1 默認(rèn)條件下的仿真測試

本節(jié)首先默認(rèn)選取5個(gè)執(zhí)行體作為表決進(jìn)行輸出,輸出結(jié)果的結(jié)果空間為(C1,C2,…,C5),其中,C1默認(rèn)為正確結(jié)果,程序模擬的執(zhí)行體大部分輸出都落在C1空間中,并且每次實(shí)驗(yàn)時(shí)都隨機(jī)注入一些異常數(shù)據(jù),用來調(diào)節(jié)正確輸出結(jié)果和不正確輸出結(jié)果的比例,本次實(shí)驗(yàn)正確結(jié)果占87.730 6%,不正確結(jié)果占12.269 4%,即每個(gè)執(zhí)行體都有87.730 6%的概率輸出為C1,12.269 4%的概率輸出為其他。落入其他各個(gè)結(jié)果空間的概率與執(zhí)行體的相似度相關(guān)。執(zhí)行體之間的相似性用參數(shù)為(5,16)的β分布基于Matlab的betarnd()函數(shù)隨機(jī)生成,其概率密度曲線如圖6所示。

執(zhí)行體輸出的錯(cuò)誤結(jié)果隨機(jī)選取,而不同執(zhí)行體輸出同一錯(cuò)誤結(jié)果的概率與異構(gòu)度的大小為負(fù)相關(guān)。參數(shù)達(dá)到穩(wěn)定狀態(tài)后2種算法的評價(jià)指標(biāo)數(shù)據(jù)如表1所示。通過比較可以發(fā)現(xiàn),雖然本文算法相較一致表決算法的CAA下降了0.986 8%,但其IAA下降了65.500 1%,RAA提高了1.715 5%。

圖6 參數(shù)為(5,15)β分布的概率密度函數(shù)曲線

Fig.6 Probability density function curve of β distribution with parameter (5,15)

表1 一致表決算法和本文算法的評價(jià)指標(biāo)數(shù)據(jù)

Table 1 Evaluation index data of consistent voting algorithm and the algorithm proposed in this paper %

評價(jià)指標(biāo)一致表決算法本文算法CAA93.072192.1536CAF6.92737.8464IAA25.98628.9652IAF74.013890.3480RAA92.565994.1539RAF7.43415.8461

3.2.2 冗余度影響的仿真測試

本節(jié)通過控制變量法,在保證輸出結(jié)果有相同正確率的情況下,改變上線的執(zhí)行體的數(shù)量,即改變需要表決的執(zhí)行體的數(shù)目。正確結(jié)果被裁決器表決通過的概率和不被裁決器表決通過的概率和為1;不正確結(jié)果被裁決器表決通過的概率和不被裁決器表決通過的概率和為1;輸出結(jié)果表決通過的概率和表決沒有通過的概率和為1。因此,本節(jié)僅討論正確結(jié)果被裁決器表決通過的概率、不正確結(jié)果被裁決器表決通過的概率以及輸出結(jié)果表決通過的概率。實(shí)驗(yàn)結(jié)果如圖7～圖9所示?？梢钥闯?當(dāng)執(zhí)行體數(shù)量為3時(shí),一致表決算法的CAA高于本文算法,但其IAA比本文算法要高21.19%,通過率兩者基本一致。但隨著執(zhí)行體數(shù)量的增多,一致表決算法的CAA會相應(yīng)減小,而IAA會相應(yīng)增大。這是因?yàn)槿绻麍?zhí)行體數(shù)量增多就會大概率出現(xiàn)相同頻次的結(jié)果,進(jìn)而誤判的可能性就會增大。而本文算法的CAA會隨著執(zhí)行體數(shù)量的增大而增大,這是因?yàn)楸疚乃惴ǔ浞挚紤]了執(zhí)行體的歷史信息和執(zhí)行體之間的異構(gòu)度對執(zhí)行結(jié)果的影響。雖然出現(xiàn)相同頻次的可能性也會增大,但不同結(jié)果的歷史置信度和異構(gòu)度只有很小的概率相同,因此,本文算法的CAA相較一致表決算法有一定的提升。同時(shí)由圖9可知,2種算法的表決通過率會隨著執(zhí)行體數(shù)量的增大而出現(xiàn)相應(yīng)下降,但本文算法明顯比一致性算法下降得更為緩慢,這是因?yàn)楸疚乃惴ǔ浞挚紤]了不同因素對于表決結(jié)果的影響,所以使表決通過的概率大幅提高。

圖7 CAA隨執(zhí)行體數(shù)量的變化情況

圖8 IAA隨執(zhí)行體數(shù)量的變化情況

圖9 RAA隨執(zhí)行體數(shù)量的變化情況

4 結(jié)束語

本文介紹擬態(tài)防御系統(tǒng)的原理和架構(gòu),針對其中的裁決器環(huán)節(jié),總結(jié)現(xiàn)有各類表決算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上,結(jié)合擬態(tài)防御架構(gòu)特性,提出一種結(jié)合執(zhí)行體歷史置信度和執(zhí)行體之間異構(gòu)度的表決算法。實(shí)驗(yàn)結(jié)果表明,與一致表決算法相比,該算法可有效提高表決器輸出結(jié)果的正確率和算法執(zhí)行效率,提升系統(tǒng)的安全性和可靠性,并且可避免共模逃逸現(xiàn)象。下一步將通過考慮執(zhí)行體個(gè)數(shù)對調(diào)整參數(shù)的影響,改善算法在執(zhí)行體個(gè)數(shù)較小情況下的表決性能。