随着近几年网络安全事件的发生,尤其最近发生的“勒索病毒”事件,再一次提醒人们网络安全的重要性。网络扫描是一种重要的网络安全技术,它是一种主动的防范措施,可以有效避免黑客攻击行为,做到防患于未然。提高网络扫描的性能是互联网安全研究领域的重要内容,Docker的出现,为网络扫描提供了一个很好的平台。近几年来Docker发展迅猛,原因是它不仅拥有良好的资源隔离能力,还有很低的虚拟化开销,相对于传统的虚拟化技术有很多的优点。本文将网络扫描部署到Docker集群上,以提高网络扫描的性能。当有扫描任务时,基于Docker的网络扫描首先会选择节点创建容器,然后选择容器进行任务分配。本文从以下两方面进行研究:首先,Docker Swarm的容器调度算法在分配容器时,节点存在严重的资源碎片化问题。针对这个问题,本文将改进的差分进化算法作为Docker Swarm的容器调度算法,该算法通过群体内个体之间的相互合作与竞争产生的群体智能来指导优化搜索。本文将内存、CPU和网络吞吐率作为差分进化算法的影响因子,可以在充分考虑各节点资源的情况下选择一个最优的节点创建容器,故节点的资源碎片大大减少。同时本文将具有自适应变异能力的算子加入到差分进化算法中,有效解决了差分进化算法在计算大规模数据时出现的早熟问题。最后通过对比实验,验证了本算法可以充分利用节点的资源,减少节点资源碎片化。其次,基于Docker的网络扫描任务调度算法会导致集群的负载不均衡,可能出现某一节点“饥饿”或者过载现象,而集群负载不均衡会直接影响网络扫描的性能。通过对传统负载均衡算法的分析,发现传统负载均衡算法不适合作为基于Docker的网络扫描的负载均衡调度算法。而蚁群优化算法在云计算的负载均衡方面表现突出,故本文提出了将蚁群优化算法应用到基于Docker的网络扫描任务的调度模型中。算法中定义了各节点资源的计算公式,并采用精英蚁群系统的信息素更新公式,解决了蚁群优化算法在解决大规模问题时收敛速度慢、不容易产生优化解的问题。本文最后以扫描时间和各节点的资源负载情况作为性能指标,通过对比实验验证了基于蚁群优化算法的网络扫描任务调度策略使集群的负载更加均衡。