1 多源数据融合技术分析
1.1 融合方法
多源数据融合主要体现在数据层、特征层和决策层的融合，最低层的数据层融合是对同质数据融合，无法满足异构数据融合，要求融合数据必须为相同格式和属性特征的数据；中层数据融合可以提取出数据的基本特征，融合处理异构数据的相似特征，压缩数据量，提高数据融合处理的针对性，降低数据传输量，满足实时数据处理要求。这种多源数据的融合处理方法能够满足实时数据的处理要求，将提取的特征值作为融合数据参数，但是由于这种融合处理方法本身带有一定的局限性，所以无法满足混合型和关联型数据信息的处理需求；高层数据融合对数据源本身的约束条件少，这种融合方法具备强大的容错性，不会受到数据特征、数据错误或数据不完整性所影响。从3种融合方法的整体应用效果上来看，随着融合级数的提升，数据损失量随之增大，并且数据融合的精准程度降低，与此同时数据融合的抗干扰性提升。
1.2 系统架构
多源数据融合要针对多源日志分析的角度构建系统框架，结合融合信息数据的特征，确定不同的应用场景，选取适用的融合算法，以保证多源数据融合的精准性。较为成熟的多源数据融合系统模型包括：
JDL模型。在JDL模型的系统框架中，包含类型多样、海量冗余、结构不同的数据信息，在该系统框架中，对多源数据信息的处理划分为三个等级，分别如下：一级是对传感器数据、量测配准数据、定性评估数据、对象识别数据和状态估计数据进行处理；二级是对地理信息数据、航海环境数据、总体态势数据进行处理；三级是对致命性兵力威胁数据、打击目标数据、武器交战数据进行处理。具体的系统模型数据处理流程如图1所示。
图1 JDL系统模型数据处理流程示意图
BS模型。基于BS模型的多源数据融合系统架构能够对复杂信息进行划分，再利用传感器的识别模块对数据进行过滤，有效控制数据的差异性，保证处理后数据的一致性。BS模型是基于物理模型构建起的数据融合处理架构，能够对数据偏差进行调整，纠正检测数据结果。
控制环境型。基于控制环境型的多源数据融合系统框架主要包括观测、定向、决策和行动4个模块，在模块中需要提取特征值，借助传感器收集各类元素，并分配所收集的数据。在系统框架中，数据存储形式为单元形式，采用面向对象方法构建系统，完成对数据特征的提取、重组和评估，并执行数据处理反馈机制，适用于低级的多源数据融合处理。
2 基于多源数据融合的舰船网络威胁态势评估方法
2.1 网络威胁态势评估
在对船舶网络威胁态势进行评估的过程中，比较常用的方法为攻击图，包含了网络的实际运行状态及其本身所具有的脆弱度信息，对攻击者采取的攻击序列进行分析，然后对网络可能受到的威胁及相关信息进行呈现，管理员可据此采取相应的措施防范威胁，最大限度地降低对网络安全的影响，确保舰船网络稳定运行。攻击图归属于关系图模型的范畴，可细分为状态和属性2种，前者的构建依据为各个边与节点的关系，其中的节点包括主机名称、用户权限以及网络攻击造成的后果等，而各个边所代表的全部都是原子攻击。在状态攻击图当中，能够将攻击者对网络的攻击途径按照一定的顺序展示出来，这个攻击是有明确的目标，对于大规模的网络状况并不适用。节点在状态攻击图中代表的是不同的全局状态，边则是攻击者对网络发动的攻击行为。
2.2 基于多源数据的网络安全事件提取
在对基于多源数据的网络安全事件进行提取的过程中，需要运用到相关的算法，为确保所选的算法合理可行，对常用的聚类算法进行比较，包括EM算法、FF算法以及K-means算法等。因为数据集的缺失，决定采用交叉验证的方法对算法进行评估，可将算法描述为：
式中：Ep为证据关联系数，实验比较结果如图2所示。
2.3 动态评估过程
采用试验的方法研究舰船网络威胁态势评估，在试验中选择最简单的网络拓扑结构，借助推理算法对攻击图进行获取，评估的重点内容为增益和损失。从攻击者的角度出发，最佳攻击成功数量分布图如图3所示。
图2 不同算法的准确率与误报率的对比结果示意图
图3 最佳攻击成功数量分布图
从图3能够看出，攻击成功的数量是动态变化的。深入分析后，可以总结出作为攻击者完成攻击的选择有5条，第1条是对Apache漏洞加以利用；第2条是以远程的方式登陆服务器，获取权限；其余3条也都是利用漏洞，包括nfs,SMTP漏洞等。攻击者在对舰船网络发动攻击前，一般会有一个预算，而作为舰船网络的防御者也同样有预算。在攻击时，攻击者会对不同路径的结果进行实时观察，试图以最小化的可能完成最大的预算。简单来讲，预算应当比攻击者的总消耗高。实际上，想要对攻击者的预算进行估计难度非常大。图4给出一种解决方案，即以证据为依托，对最优的路径进行考虑，当证据出现后，能够准确得到最优的种群。
图4 基于证据的全局最优路径示意图
3 结语
网络安全对于舰船而言尤为重要，所以需要对舰船网络威胁态势进行评估，依据评估结果选取适宜的防御措施，最大限度降低网络风险，保证网络安全、稳定运行。为提升评估结果的准确性，可以对多源数据融合技术进行应用。
参考文献
[1]李旭辉,顾颖彦,韩兴豪.基于动态云贝叶斯网络的舰艇防空目标威胁评估[J].舰船电子对抗, 2021(1):38–44.
[2]刘长德,顾宇翔,张进丰.基于小波滤波和LSTM神经网络的船舶运动极短期预报研究[J].船舶力学, 2021(3):299–310.
[3]赵顺利,李伟,张文拴.基于径向基函数神经网络的船舶航迹自抗扰控制[J].上海海事大学学报, 2020(4):20–24.
