52、高级网络指纹识别与入侵响应成本评估

高级网络指纹识别与入侵响应成本评估

在当今复杂的网络环境中，网络安全和设备识别变得至关重要。高级网络指纹识别技术能够帮助我们准确识别网络中的设备和服务，而评估入侵响应成本则有助于我们在面对入侵时做出更合理的决策。

高级网络指纹识别

识别特征分类

识别特征可分为以下两类：
- 每个设备都存在的特征，且一对设备之间至少观察到两个不同的值。
- 在某些设备中发现的特征，而在其他实现的消息中不存在这样的位置路径。

指纹识别过程

消息的分类使用树结构表示。通过特定方法获得的一组识别特征代表了树结构中的所有部分路径，用于分类过程。特征类型包括 “Value”、“Choice” 或 “Length”，其对应值较易获取。但 “Order” 类型的特征处理更为复杂，需要一些小的改进。

当获得一组独特的特征后，可以利用一些知名的分类技术来实现分类器。在相关工作中，采用了特定的机器学习技术。

实验结果

• 实验设置 ：使用 Python 实现指纹识别框架方法，采用无扫描器的广义从左到右最右（GLR）推导解析器（Dparser）来解决语法定义中的歧义。训练函数可轻松并行化。

• 数据采集 ：在 SIP 协议上实例化指纹识别方法，从真实网络中捕获了 21827 条 SIP 消息。测试设备包括多种软件和固件版本，如下表所示：
  | 设备 | 软件/固件版本 |
  | — | — |
  | Asterisk | v1.4.4 |
  |