□文/齐耀龙

（河北大学计算中心 河北·保定）

一、引言

当前，网络安全的日益恶化对信息安全造成了严重威胁，网络安全已经成为关系到国家稳定和社会发展的重大课题。数据库系统安全作为网络安全的重要分支，有着显着的研究意义。

数据库安全评价的核心在于决策信息的制定。在传统的决策制定过程中，人们试图从特定的标准化思维模型入手。然而，在实现过程中，如何最小化主观随机性，以及对主观因素模糊理解的不确定性一直困扰着人们。本研究将模糊集和粗糙集理论结合起来，提出了一个基于模糊粗糙集的数据库安全评价模型。首先，使用模糊集理论对目标信息系统进行模糊离散化，然后为了使用特定的信度挖掘数据库安全决策信息，利用粗糙集理论的连接度对数据库安全决策信息进行属性约减。

二、评价过程

（一）数据预处理。在这个阶段，使用模糊集对原始数据进行处理。原始数据主要包括布尔型数据、数值型数据、类属性和空数据。这四类数据必须离散化，才能用于进一步的聚集处理。

1、空数据成员函数

2、数值型数据成员函数

3、类属性成员函数

4、布尔型数据成员函数

（二）数据聚类。首先把数据对象分成若干个类别，然后将他们应用于不同类型的挖掘规则。在这个阶段，规则的准确性可以得到提高，并且算法的时间复杂度也将会降低。对数据库安全评价信息进行数据聚类的步骤定义如下：

1、在域U的元素之间建立模糊相似关系R。矩阵R的0元素rij：

2、从 R 开始，得到映射 G=（V，E），导出最大生成树T=（V，TE）。

3、根据实际问题需要，引入集合λ∈［0，1］，T（e）是分支 e 的重量值，T（e）<λ。

聚类分析之后，对单一类别进行分析，以过滤那些含有较少元素的类别，将元素数量低于阈值的类别删除。

（三）属性约简。对原始数据进行聚类之后，就可以对分类数据对象进行属性约简和强规则提取了。其具体实现步骤如下：

1、首先，分离系统属性以建立相关的条件属性和决策属性。

2、然后，使用区分矩阵和分明函数，得到属性的约简集。对区分矩阵定义如下：

3、通过使用约简属性派生规则集，可以从分明函数的最小析取范例得到属性约简集。

4、删除频度小于给定阈值μ0的奇异规则。

5、保留达到最小支持度μs和最小信任度μc的规则，将其作为强规则。

三、个案研究

为了测试数据库安全评价模型的能力，课题组基于局域网建立了一个实验环境。为了提供更复杂的网络攻击数据，使用各种网络程序在同一时间对数据库服务器实施攻击行为。

（一）对评估样本数据进行预处理。为了借助网络程序对数据库系统实施攻击，课题组选用了典型的网络攻击手段作为安全因子。安全因子集定义为：

表1 数据库安全评价决策表

Ti表示对数据库实施的第i次攻击，F表示来自局域网的一组攻击。F中每个元素的取值为0或1，其中0表示攻击不存在，1表示攻击存在。根据上文所述，首先进行数据预处理。然后，将选出的样本进行数据聚类。在本实验中，课题组选出了一段时间内的64个样本，经过数据聚类，这些样本被分成8组，其中一组如表1所示。使用H、N、L表示风险程度，其含义相应为高风险、正常风险和低风险。（表1）

（二）决策表约简和规则提取。接下来对上一步骤中得到的决策表实施约简。属性约简之后，就可以从决策表中提取数据库安全评价规则了，如表2所示。可以在这个表中清楚地看到数据库安全评价规则，同时也可以集中精力关注那些高风险攻击事件。（表2）

表2 属性约简后的决策表

四、结论

本论文提出了一个基于模糊粗糙集的数据库安全评价模型。通过首先执行数据预处理和数据聚集的方法，然后提取出评价规则。这个方法不仅能减小数据量，还能减小数据干扰项。数据聚集之后，就可以得到样本分类知识，并且进行规则提取。在规则提取过程中，通过分析奇异规则、客量度和规则约束来提高规则的提取效率和精确度。实验结果表明，本文提出的数据库安全评价模型是切实有效的。

［1］S.B.Batsell，N.S.Rao，M.Shankar，Distributed Intrusion Detection and Attack Containment for Organizational Cyber Security，http：//www.io-c.ornl.gov/projects/docume nts/containment.pdf.

［2］T.Bass，Intrusion Detection System and Multisensor Data Fusion［J］.Communicationsofthe ACM，Vol.43，No.4，2000.

［3］J.Shifflet，A Technique Independent Fusion Model for Network Intrusion Detection，Proceedings of the Midstates Conference on Undergraduate Research in Computer Science and Mathemat-ics，2008.

［4］M.Qiao，Research on Knowledge Discovery and Reasoning Methods Based on Rough Set and Database Technology，Tianjin University，2006.

［5］W.J.Liu，Y.D.Gu，J.Y.Wang，Rough-fuzzy Ideals in Semigroups［J］.Fuzzy Systems and Mathematics，2004.3.

［6］K.Chakrabarty，R.Biswas，S.Nanda，Fuzziness in rough sets［J］.Fuzzy Sets and Systems，2000.