本发明涉及网络安全，特别涉及一种linux服务器网络安全等级保护测评方法。
背景技术：
1、随着互联网时代的来临和互联网技术的快速发展，网络威胁不断增加，安全问题日益突出，网络安全已经成为国家安全的重要组成部分。
2、目前，针对网络安全等级保护对象中linux服务器的测评工作主要通过手工逐项取证和人为分析判断的方式进行实施。如果服务器数量较大，此种工作方式将严重降低工作效率，并且由于不同测评师对操作指令的熟悉程度、问题及风险分析能力以及项目实施经验存在的差异，导致测评结果可能无法全面、准确地反应受保护对象的实际情况，不能给出实际有效的保护建议等问题。因此如何快速、准确、规范、全面地对linux服务器进行取证检查、问题和风险分析并给出合理化整改建议成为实际测评工作中一项非常重要的内容。
3、基于上述情况，本发明提出了一种linux服务器网络安全等级保护测评方法。
技术实现思路
1、本发明为了弥补现有技术的缺陷，提供了一种简单高效的linux服务器网络安全等级保护测评方法。
2、本发明是通过如下技术方案实现的：
3、一种linux服务器网络安全等级保护测评方法，其特征在于：包括以下步骤：
4、步骤s1、通过执行自动化测试脚本获取服务器配置信息，配置信息保存为文本形式，用于进行数据的分析和提取；
5、步骤s101、构建包含全量指令在内的指令映射表；
6、所述步骤s101中，依据《gb/t 28448-2019信息安全技术网络安全等级保护测评要求》，将“安全计算环境”中每个测评单元中测评实施项的核查内容逐项转化为linux操作系统下的操作指令。例如：针对口令有效期的检查项在centos系统中可映射为：cat/etc/login.defs。
7、步骤s102、编制脚本文件；
8、使用文本编辑器创建一个新的文件，文件顶部加入：#！/bin/sh，将指令映射表中的所有操作指令顺序添加进文件，使用输出重定向符号：>>，将每条指令的执行结果输出到指定的结果文件中进行结果信息保存；例如：cat/etc/login.defs>>/content.txt，content.txt为结果文件，文件保存路径可自行调整。
9、步骤s103、使用给定授权账号授予脚本文件执行权限：chmod+x scriptname.sh，在linux操作系统中执行脚本文件：./scriptname.sh，得到包含服务器配置信息的结果文件；
10、步骤s2、通过自然语言处理技术对配置信息进行处理，在理解文本结构和内容的基础上提取出关键信息；
11、步骤s201、对文本数据进行预处理，过滤掉文本数据中的停用词；此类词语对文本理解没有意义，可节省存储空间和提高检索效率。
12、步骤s202、对过滤掉停用词的文本数据进行分词处理，得到结果文件对应的词库集合，并对词语进行词性标注；词性标注有助于更好地理解文本的语法结构和含义，支持更高级的文本分析任务，如句法分析。
13、步骤s203、进行句法结构分析和依存句法分析，识别文本数据中的短语结构和各个短语之间的层次关系，确定句子中词汇之间的相互依存关系，为后续步骤中关键信息的提取做准备；
14、所述步骤s2中，采用自然语言处理工具包(natural language toolkit，nltk)对配置信息进行处理，使用nltk语料库和停用词列表，调用stopwords模块过滤掉文本数据中的停用词；
15、调用word_tokenize函数对过滤掉停用词的文本数据进行分词处理，得到结果文件对应的词库集合，并使用pos_tag函数对词语进行词性标注；
16、采用上下文无关文法(context-free grammar，cfg)或者树邻接文法(tree-adjoining grammar，tag)实现句法结构分析；
17、调用stanforddependencyparser模块进行依存句法分析。
18、步骤s204、预置关键词表，从步骤s203产生的词库集合中提取与预置关键词相关联的词汇，同时通过依存句法分析确定与关键参数相对应的参数值或参数状态，一同进行提取，并进行关联保存；
19、所述关键词表中设定关键词，包括但不限于服务器操作系统中执行的操作指令、配置文件名称和关键参数。
20、步骤s3、对深度学习模型进行预训练，使用关键信息作为模型输入，智能生成测评结果；
21、通过前述步骤引入自然语言处理技术并对结果文件进行处理，已经获得所需要的关键信息。接下来将通过深度学习模型的训练和使用，智能化生成测评结果并对服务器的安全状态进行评估。
22、深度学习模型采用bert(bidirectional encoder representations fromtransformers，双向编码器表征技术)模型；所述bert模型是一种预训练语言处理模型，通过自监督学习的方式进行训练，具备学习能力和上下文理解能力，并进行文本生成；
23、步骤s301、使用两种预训练任务：mlm(masked language model，掩码语言模型)任务和nsp(next sentence prediction，下一句预测)任务，对bert模型进行预训练；
24、mlm任务：linux服务器网络安全等级保护测评工作采用三段式格式，分别为测评方法、测评实施对象与结果描述，对结果记录进行描述；将日常测评工作中产生的标准的三段式结果记录以及测评符合情况，包括符合、不符合、部分符合与不适用，作为mlm任务的训练数据进行输入；mlm任务随机掩盖(mask)掉数据中的部分词汇，bert模型根据上下文来推断被掩盖的词汇；在这个训练过程中，bert模型将学习上下文语义信息及语言规律；
25、nsp任务：linux服务器网络安全等级保护测评工作涉及的知识库中包含常见问题、关联威胁、风险分析与整改建议；将日常测评工作中整理出的常见问题与关联威胁，常见问题与风险分析，常见问题与整改建议进行语句组合，从而构造出nsp任务的训练数据进行输入；在这个训练过程中，bert模型将学习语句之间的关系，获得句子之间的理解能力和逻辑推理能力；
26、步骤s302、将通过自然语言技术处理获取到的关键信息输入到已经训练好的bert模型中，利用bert模型自动生成三段式结果记录，并推理出测评符合情况；对于部分符合或者不符合的情况，同时生成问题描述及与对应问题的关联威胁与风险分析内容，实现对服务器安全状态的评估，并给出具有针对性的整改建议。
27、一种linux服务器网络安全等级保护测评装置，包括：
28、配置信息获取模块，负责通过执行自动化测试脚本获取服务器配置信息，并将配置信息保存为文本形式，用于进行数据的分析和提取；
29、关键信息提取模块，负责通过自然语言处理技术对配置信息进行处理，在理解文本结构和内容的基础上提取出关键信息；
30、深度学习模型训练与测评模块，负责对深度学习模型进行预训练，使用关键信息作为模型输入，智能生成测评结果。
31、一种linux服务器网络安全等级保护测评设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现上述的方法步骤。
32、一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法步骤。
33、本发明的有益效果是：该linux服务器网络安全等级保护测评方法，不仅可以自动对文件信息进行分析，智能生成测评结果，而且测评结果更加规范、风险分析更加全面、整改建议更加具有针对性和合理性，提高了现场测评工作的效率，节省了人力资源和时间。
1.一种linux服务器网络安全等级保护测评方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的linux服务器网络安全等级保护测评方法，其特征在于：所述步骤s1的实现流程如下：
3.根据权利要求2所述的linux服务器网络安全等级保护测评方法，其特征在于：所述步骤s101中，依据《gb/t 28448-2019信息安全技术网络安全等级保护测评要求》，将安全计算环境中每个测评单元中测评实施项的核查内容逐项转化为linux操作系统下的操作指令。
4.根据权利要求1所述的linux服务器网络安全等级保护测评方法，其特征在于：所述步骤s2的实现流程如下：
5.根据权利要求4所述的linux服务器网络安全等级保护测评方法，其特征在于：所述步骤s2中，采用自然语言处理工具包对配置信息进行处理，使用自然语言处理工具包语料库和停用词列表，调用stopwords模块过滤掉文本数据中的停用词；
6.根据权利要求4所述的linux服务器网络安全等级保护测评方法，其特征在于：所述关键词表中设定关键词，包括但不限于服务器操作系统中执行的操作指令、配置文件名称和关键参数。
7.根据权利要求1所述的linux服务器网络安全等级保护测评方法，其特征在于：所述步骤s3中，深度学习模型采用bert模型；实现流程如下：
8.一种基于权利要求1～7中任意一项所属的linux服务器网络安全等级保护测评方法的装置，其特征在于：包括：
9.一种linux服务器网络安全等级保护测评设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如权利要求1至7任意一项所述的方法步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法步骤。
