大数据下源代码同源性安全分析探讨(2)

近年来，由于网站及应用系统的漏洞、后门所导致的重大安全事件频频发生。根据企业网站安全检测服务的统计，我国高达60%的网站中存在安全漏洞和后门。各类大数据行业应用，广泛采用了各种第三方数据库、中间件，此类系统的安全状况不容乐观，广泛存在漏洞，并且各类网站漏洞修复的很不及时。通过对海量大数据的分析，可以挖掘发现大量新的网站攻击特征、网站漏洞，以及分析同源的特种木马等。

通过大数据，人们可以分析大量的潜在安全事件，找出它们之间的联系从而勾勒出一个完整的安全威胁。通过大数据，分散的数据可以被整合起来，使得安全人员能够采用更加主动的安全防御手段，利用大数据来甄别和发现风险和同源性漏洞。大数据与安全在未来是一种“你中有我，我中有你”的发展态势。利用大数据进行代码同源性安全分析框架应该包括三个主要部分：

1）数据收集：这是从网络中各种来源收集的各种格式的数据，这些来源包括谷歌的查毒网站VirusTotal、Web浏览器扩展和专门从事这种数据收集的安全供应商，还可以通过对大量网络攻击实例的研究，得到可用的知识库。

2）数据存储：存储数据和提取威胁情报的库，通过分析获得其特征码，针对关键主机上存在的系统同源性漏洞和承载的服务的可能漏洞，建立当前网络环境的漏洞知识库，分析当前网络环境的拓扑结构、性能指标等，得到网络环境知识库。

3）及时响应：通过同源性漏洞知识库来确认安全事件的有效性，其中包括URL阻止和安全信息及事件管理(SIEM)集成，通过一个轻量级的接口从多个渠道收集威胁网络安全的各类数据，比如恶意软件的哈希值、恶意链接等等，将各个源数据转化格式以便存储。一旦威胁源被数据化后，可以通过同源性分析出这个威胁是不是新出现的或者现在流行哪种类型的病毒，还能自动从多个恶意软件库读取文件哈希值发送给分析系统，以便能够及时响应。

用大数据进行代码同源性安全分析可以利用最新钓鱼网站上的信息、互联网中的恶意软件以及应对这些威胁的相关趋势。对企图攻击、已知网络恶意软件感染以及需要注意的行为和签名发出警报，加快威胁检测速度、提高防御体系灵活性，使现有安全措施更好地适应不断变化的网络威胁。

3　结束语

本文以大数据下对源代码同源性的影响为研究对象。源代码相似性查询从早期的精确模式匹配和文本检索,到现在的数据清洗、大型数据库的同源序列查询和Web信息搜索等近似查询应用，无论是应用领域还是查询技术都经历了深刻的变化。在资源的共享日益增多的情况下，利用大数据进行代码同源性安全分析，收集大量源代码数据库以及源代码缺陷模式库，对正在使用的软件进行分析，判断是否抄袭了其他软件代码，确定软件的同源性，为今后确认安全事件，对软件漏洞的快速定位做准备提供了可靠的技术支持。因此大数据下代码同源性鉴别具有现实的积极意义。

教育期刊网 http://www.jyqkw.com
参考文献

［1］张立峰.大数据与云存储[J].知识就是力量,2014(4):34-39.

［2］Arabyarmohamady, S.,Moradi, H., Asadpour, M. Interactive Mobile and Computer Aided Learning (IMCL)[C]//2012 International Conference on Digital,2012,Page(s):180-186.

［3］Koschke R. Survey of Research on Software Clones[J]. 06301-Duplication, Redundancy, and Similarity in Software, 2007.

［4］何非,何克清.大数据及其科学问题与方法的探讨[J].武汉大学学报:理学版,2014(1):1-12.

［责任编辑：杨玉洁］

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说英语论文大数据下源代码同源性安全分析探讨(2)在线全文阅读。